⚠ To see the ‘Sheet paper‘ and ‘Table of associated records‘ go the bottom, Pag. 2, Pag. 3. ( 👩🎓 🖥 For online version, on the image).
A review of the paper for research, educational and recommendations. 1.- Paper language: English. 2.- Language of the secondary text: Spanish.
Créd. imag.: Hey Machine Learning
Unclassified recommendation
🗒 PAPER
🔘 Paper page: papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems
Autores
- D. Sculley
- Gary Holt
- Daniel Golovin
- Eugene Davydov
- Todd Phillips
- Dietmar Ebner
- Vinay Chaudhary
- Michael Young
- Jean-François Crespo
- Dan Dennison
Resumen
El aprendizaje automático ofrece un kit de herramientas increíblemente poderoso para construir rápidamente sistemas de predicción complejos útiles. Este documento argumenta que es peligroso pensar en estas victorias rápidas como gratuitas. Usando el marco de ingeniería de software de la deuda técnica, encontramos que es común incurrir en costos de mantenimiento masivos y continuos en sistemas de ML del mundo real. Exploramos varios factores de riesgo específicos de ML para tener en cuenta en el diseño del sistema. Éstos incluyen erosión de límites, enredos, bucles de retroalimentación ocultos, consumidores no declarados, dependencias de datos, problemas de configuración, cambios en el mundo externo y una variedad de antipatrones a nivel de sistema.
NIPS.
Por favor, agradezca al autor y editor
Thank you very much for this work to @NeurIPSConf and for recommending it to @isaacfab00, via @States_AI_IA #machinelearning #ai #artificialintelligence #thebibleai#openscience #openaccess #thanks
Tweet
Liked this post? Follow this blog to get more.