文献

J-GLOBAL ID：202202225496484175   整理番号：22A0930599

オープンエンド機械学習プロジェクトにおける共通エラーの同定【JST・京大機械翻訳】

Identifying Common Errors in Open-Ended Machine Learning Projects

著者 (3件)： Skripchuk James (North Carolina State University, Raleigh, NC, USA) ,  Shi Yang (North Carolina State University, Raleigh, NC, USA) ,  Price Thomas (North Carolina State University, Raleigh, NC, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGCSE 2022  ページ： 216-222  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習(ML)はコンピュータ科学における最速成長サブフィールドの一つであり,ML教育を改善する方法を同定することが重要である。したがって,学生がMLプログラムを書き込むとき,学生が作成する共通の誤差を理解することによって,それらが対処できる。ML誤差を調べる以前の研究は,インストラクタの展望に焦点を合わせてきたが,プロジェクトやコードのサブミッションのような学生プログラミングアーチファクトでは,これらの誤差がどのように生じ,最も一般的であるのかを理解するためには,見当たらない。これに対処するために,著者らは,上部分割機械学習コースにおける19の最終的チームプロジェクト(63の学生)からコードの2,500のセルを定性的にコード化した。プロジェクト全体で共通誤差と誤解を隔離し,調整することにより,ML誤差学生が何を strぐかを同定できる。その結果,図書館利用,ハイパーパラメータ調整,および誤用試験データが最も一般的な誤差であり,それらがいかに起こるかの例を示した。次に,これらの誤解が発生するか,そして,インストラクタとソフトウェア設計者が,これらの誤差をいかに軽減できるかについて,提案を行った。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  *プロジェクト ,  計算機科学 ,  学生 ,  図書館利用 ,  ソフトウェア設計 ,  *機械学習
準シソーラス用語： 実習指導者 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (3件)： 計算機科学教育 ,  データ科学 ,  機械学習

分類 (1件)： CAI  (JE09000G)

タイトルに関連する用語 (4件)： 機械学習 ,  プロジェクト ,  エラー ,  同定