中文

深度学习的软件工程挑战

软件工程 2018-10-30 v1 人工智能 机器学习

摘要

近年来,深度学习(DL)系统取得了令人惊讶的 promising 成果。其中许多成果是在学术环境中,或由拥有高技能研究团体和先进支撑基础设施的大型科技公司取得的。对于没有大型研究团体或先进基础设施的公司而言,构建含DL组件的高质量生产就绪系统已被证明颇具挑战。目前明显缺乏用于构建DL系统的良好工具和最佳实践。本研究的目标是通过与不同规模和类型的公司紧密协作,采用解释性研究方法,识别主要挑战是什么。我们选取了七个项目来描述该新技术的潜力并识别相关的主要挑战。我们识别出了12项主要挑战,并将其归类为开发、生产以及组织挑战三个领域。此外,我们定义了挑战与项目之间的映射,并配以选定的动机性描述,说明这些挑战如何以及为何适用于特定项目。与其他领域(如软件工程或数据库技术)相比,显然DL仍相当不成熟,需要进一步工作以促进高质量系统的开发。本文识别出的挑战可用于指导软件工程和DL界未来的研究。携手合作,我们能使大量公司开始利用DL技术的高潜力。

关键词

引用

@article{arxiv.1810.12034,
  title  = {Software Engineering Challenges of Deep Learning},
  author = {Anders Arpteg and Björn Brinne and Luka Crnkovic-Friis and Jan Bosch},
  journal= {arXiv preprint arXiv:1810.12034},
  year   = {2018}
}

备注

44th Euromicro Conference on Software Engineering and Advanced Applications, IEEE, 2018