اکسپرس 24
ترجمه فارسی مقاله درک مکانیسم‌های بازخورد در یادگیری ماشین - Jupyter Notebooks

ترجمه فارسی مقاله درک مکانیسم‌های بازخورد در یادگیری ماشین - Jupyter Notebooks

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Understanding Feedback Mechanisms in Machine Learning Jupyter Notebooks
عنوان مقاله به فارسی درک مکانیسم‌های بازخورد در یادگیری ماشین - Jupyter Notebooks
نویسندگان Arumoy Shome, Luis Cruz, Diomidis Spinellis, Arie van Deursen
فرمت مقاله انگلیسی PDF
تعداد صفحات 37
دسته بندی موضوعات Software Engineering,مهندسی نرم افزار ,
توضیحات Submitted 31 July, 2024; originally announced August 2024.
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 1,480,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The machine learning development lifecycle is characterized by iterative and exploratory processes that rely on feedback mechanisms to ensure data and model integrity. Despite the critical role of feedback in machine learning engineering, no prior research has been conducted to identify and understand these mechanisms. To address this knowledge gap, we mine 297.8 thousand Jupyter notebooks and analyse 2.3 million code cells. We identify three key feedback mechanisms -- assertions, print statements and last cell statements -- and further categorize them into implicit and explicit forms of feedback. Our findings reveal extensive use of implicit feedback for critical design decisions and the relatively limited adoption of explicit feedback mechanisms. By conducting detailed case studies with selected feedback instances, we uncover the potential for automated validation of critical assumptions in ML workflows using assertions. Finally, this study underscores the need for improved documentation, and provides practical recommendations on how existing feedback mechanisms in the ML development workflow can be effectively used to mitigate technical debt and enhance reproducibility.

چکیده به فارسی (ترجمه ماشینی)

چرخه توسعه یادگیری ماشین با فرآیندهای تکراری و اکتشافی مشخص می شود که برای اطمینان از داده ها و یکپارچگی مدل به مکانیسم های بازخورد متکی هستند.علیرغم نقش مهم بازخورد در مهندسی یادگیری ماشین ، هیچ تحقیق قبلی برای شناسایی و درک این مکانیسم ها انجام نشده است.برای پرداختن به این شکاف دانش ، ما 297.8 هزار نوت بوک Jupyter را معدن می کنیم و 2.3 میلیون سلول کد را تجزیه و تحلیل می کنیم.ما سه مکانیسم بازخورد اصلی - ادعاها ، بیانیه های چاپی و آخرین بیانیه های سلولی را شناسایی می کنیم و آنها را به شکل های ضمنی و صریح بازخورد طبقه بندی می کنیم.یافته های ما استفاده گسترده از بازخورد ضمنی را برای تصمیمات طراحی مهم و اتخاذ نسبتاً محدود مکانیسم های بازخورد صریح نشان می دهد.با انجام مطالعات دقیق موردی با نمونه های بازخورد منتخب ، ما از پتانسیل اعتبار سنجی خودکار فرضیات مهم در گردش کار ML با استفاده از ادعاها کشف می کنیم.سرانجام ، این مطالعه بر نیاز به مستندات بهبود یافته تأکید می کند و توصیه های عملی در مورد چگونگی استفاده از مکانیسم های بازخورد موجود در گردش کار توسعه ML را می توان به طور مؤثر برای کاهش بدهی فنی و تقویت تکرارپذیری ارائه داد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.