机器学习软件系统中的质量问题
软件工程
2022-08-23 v2 机器学习
摘要
背景：观察到各领域对采用机器学习（ML）解决复杂问题的需求日益增长。ML模型作为软件组件实现并部署于机器学习软件系统（MLSS）中。问题：强烈需要确保MLSS的服务质量。此类系统的错误或不佳决策可能导致其他系统故障、重大财务损失甚至威胁人类生命。MLSS的质量保证被视为一项具有挑战性的任务，目前是热门研究课题。此外，覆盖MLSS中质量的各个方面十分重要。目标：本文旨在从从业者视角调查MLSS中真实质量问题的特征。本实证研究旨在识别与MLSS低质量相关的不良实践目录。方法：我们计划对从业者/专家开展一系列访谈，认为访谈是获取其处理质量问题时经验与实践的最佳方法。我们期望此步骤建立的问题目录后续还将帮助我们识别MLSS质量问题的严重性、根本原因及可能补救措施，从而为我们开发高效的ML模型与MLSS质量保证工具提供支持。
引用
@article{arxiv.2208.08982,
title = {Quality issues in Machine Learning Software Systems},
author = {Pierre-Olivier Côté and Amin Nikanjam and Rached Bouchoucha and Foutse Khomh},
journal= {arXiv preprint arXiv:2208.08982},
year = {2022}
}
备注
Accepted as a registered report by ICSME 2022