Título: | IDENTIFICANDO PREOCUPAÇÕES AO ESPECIFICAR SISTEMAS COM COMPONENTES DE APRENDIZADO DE MÁQUINA: UMA ABORDAGEM BASEADA EM PERSPECTIVA | ||||||||||||
Autor: |
HUGO RICARDO GUARIN VILLAMIZAR |
||||||||||||
Colaborador(es): |
MARCOS KALINOWSKI - Orientador |
||||||||||||
Catalogação: | 05/FEV/2024 | Língua(s): | INGLÊS - ESTADOS UNIDOS |
||||||||||
Tipo: | TEXTO | Subtipo: | TESE | ||||||||||
Notas: |
[pt] Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio. [en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio. |
||||||||||||
Referência(s): |
[pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=65972&idi=1 [en] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=65972&idi=2 |
||||||||||||
DOI: | https://doi.org/10.17771/PUCRio.acad.65972 | ||||||||||||
Resumo: | |||||||||||||
A engenharia de sistemas habilitados em Machine Learning (ML) bem-sucedidos apresenta vários desafios, tanto do lado teórico quanto prático. Entre
esses desafios estão como abordar eficazmente às expectativas irrealistas das
capacidades de ML por parte de clientes, gestores e até mesmo outros membros
da equipe de desenvolvimento, e como ligar o valor do negócio às atividades de
engenharia e ciência de dados compostas por equipes interdisciplinares. Nesta
tese, estudamos o estado da prática e da literatura da engenharia de requisitos
para ML para propor PerSpecML, uma abordagem baseada em perspectiva
para especificar sistemas habilitados para ML que ajuda os profissionais a
identificar quais atributos, incluindo componentes de ML e não-ML, são importantes para contribuir para a qualidade geral do sistema. A abordagem
envolve a análise de 60 preocupações relacionadas a 28 tarefas que os profissionais normalmente enfrentam em projetos de ML, agrupando-as em cinco perspectivas: objetivos do sistema, experiência do usuário, infraestrutura, modelo
e dados. Juntas, essas perspectivas servem para mediar a comunicação entre
gestores de projeto, especialistas de domínio, designers, engenheiros de software/ML e cientistas de dados. A criação da PerSpecML envolveu uma série de
validações realizadas em diferentes contextos: (i) na academia, (ii) com representantes da indústria e (iii) em dois estudos de casos industriais reais. Como
resultado das diversas validações e melhorias contínuas, PerSpecML se destaca
como uma abordagem promissora, preparada para impactar positivamente a
especificação de sistemas habilitados para ML, ajudando particularmente a revelar componentes-chave que, de outra forma, teriam sido perdidos sem o uso
da PerSpecML.
|
|||||||||||||
|