SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:research.chalmers.se:62da90e3-da6f-4c49-8332-5e2b6e953b4a"
 

Sökning: onr:"swepub:oai:research.chalmers.se:62da90e3-da6f-4c49-8332-5e2b6e953b4a" > Data Management Cha...

  • Munappy, Aiswarya Raj,1990Göteborgs universitet,University of Gothenburg,Chalmers tekniska högskola,Chalmers University of Technology,Department of Computer Science and Engineering, Chalmers University of Technology, Sweden (författare)

Data Management Challenges for Deep Learning

  • Artikel/kapitelEngelska2019

Förlag, utgivningsår, omfång ...

  • IEEE,2019

Nummerbeteckningar

  • LIBRIS-ID:oai:research.chalmers.se:62da90e3-da6f-4c49-8332-5e2b6e953b4a
  • https://research.chalmers.se/publication/514287URI
  • https://doi.org/10.1109/SEAA.2019.00030DOI
  • https://urn.kb.se/resolve?urn=urn:nbn:se:mau:diva-18294URI

Kompletterande språkuppgifter

  • Språk:engelska
  • Sammanfattning på:engelska

Ingår i deldatabas

Klassifikation

  • Ämneskategori:kon swepub-publicationtype
  • Ämneskategori:ref swepub-contenttype

Anmärkningar

  • © 2019 IEEE. Deep learning is one of the most exciting and fast-growing techniques in Artificial Intelligence. The unique capacity of deep learning models to automatically learn patterns from the data differentiates it from other machine learning techniques. Deep learning is responsible for a significant number of recent breakthroughs in AI. However, deep learning models are highly dependent on the underlying data. So, consistency, accuracy, and completeness of data is essential for a deep learning model. Thus, data management principles and practices need to be adopted throughout the development process of deep learning models. The objective of this study is to identify and categorise data management challenges faced by practitioners in different stages of end-to-end development. In this paper, a case study approach is employed to explore the data management issues faced by practitioners across various domains when they use real-world data for training and deploying deep learning models. Our case study is intended to provide valuable insights to the deep learning community as well as for data scientists to guide discussion and future research in applied deep learning with real-world data.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

  • Bosch, Jan,1967Chalmers tekniska högskola,Chalmers University of Technology,Göteborgs universitet,University of Gothenburg,Department of Computer Science and Engineering, Chalmers University of Technology, Sweden(Swepub:cth)janbo (författare)
  • Olsson, Helena HolmströmMalmö universitet,Institutionen för datavetenskap och medieteknik (DVMT)(Swepub:mau)ab2385 (författare)
  • Arpteg, AndersPeltarion AB, Stockholm, Sweden (författare)
  • Brinne, BjornPeltarion AB, Stockholm, Sweden (författare)
  • Göteborgs universitetChalmers tekniska högskola (creator_code:org_t)

Sammanhörande titlar

  • Ingår i:Proceedings - 45th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2019: IEEE, s. 140-147

Internetlänk

Till lärosätets databas

Sök utanför SwePub

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy