مقاله اکتساب داده: یک مرز جدید در هوش مصنوعی داده محور

چکیده

As Machine Learning (ML) systems continue to grow, the demand for relevant and comprehensive datasets becomes imperative. There is limited study on the challenges of data acquisition due to ad-hoc processes and lack of consistent methodologies. We first present an investigation of current data marketplaces, revealing lack of platforms offering detailed information about datasets, transparent pricing, standardized data formats. With the objective of inciting participation from the data-centric AI community, we then introduce the DAM challenge, a benchmark to model the interaction between the data providers and acquirers. The benchmark was released as a part of DataPerf. Our evaluation of the submitted strategies underlines the need for effective data acquisition strategies in ML.

چکیده به فارسی (ترجمه ماشینی)

با افزایش سیستم های یادگیری ماشین (ML) ، تقاضا برای مجموعه داده های مرتبط و جامع ضروری می شود.مطالعه محدودی در مورد چالش های دستیابی به داده ها به دلیل فرآیندهای موقت و عدم وجود روشهای مداوم وجود دارد.ما ابتدا یک تحقیق در مورد بازارهای داده فعلی ارائه می دهیم ، و عدم وجود سیستم عامل ارائه اطلاعات دقیق در مورد مجموعه داده ها ، قیمت گذاری شفاف ، قالب های داده استاندارد را نشان می دهیم.با هدف تحریک مشارکت از جامعه AI داده محور ، ما Dam Challenge را معرفی می کنیم ، معیار برای الگوبرداری از تعامل بین ارائه دهندگان داده ها و خریداران.این معیار به عنوان بخشی از Dataperf منتشر شد.ارزیابی ما از استراتژی های ارسالی بر لزوم استراتژی های مؤثر در زمینه دستیابی به داده ها در ML تأکید می کند.