May, 2023

MLHOps: 物联网医疗运营中的机器学习

PDF
TL;DR本文介绍机器学习在医疗保健领域中部署和维护的可靠、高效、可用和道德化的过程，包括基础概念、数据准备、数据工程和工具等，在从策划到落地实现全过程提供指导。
machine learning health operationsclinical practicedata preparationmodel updatingethical considerations
发现论文，激发创造
  • MLOps：综述

    这篇论文研究了机器学习运营（MLOps）方法的重要性，以及如何选择最佳的工具结构来简化软件开发，并评估了各种 MLOps 方法的特性和可操作性。作者通过评估 22 篇相关论文发现，目前缺乏完全有效的 MLOps 方法，这些方法可以在不涉及人工干预的情况下实现自我调节的进步。

    Aug, 2023

  • 机器学习运维 (MLOps)：概述、定义和架构

    本文旨在通过文献综述、工具综述以及专家访谈的研究方法，提供了机器学习运营的定义、必要原则、部件及角色，及其架构和工作流程的综合概述，并强调了该领域的开放性挑战，为想要用指定的技术来自动化和操作他们的机器学习产品的研究人员和从业者提供了指导。

    May, 2022

  • MLOps：企业机器学习的一大步

    该研究详细介绍了 MLOps，它的好处，困难，演变以及重要的底层技术，如 MLOps 框架，Docker，GitHub 动作和 Kubernetes。该文章还侧重于使用各种成熟度水平的自动化管道的 ML 项目的端到端生产。它提供了一个企业级 MLOps 项目的详细示例，以解释技术在实际场景中的工作流程。

    May, 2023

  • 覆盖整个机器学习生命周期的 MLOps: 一项调查

    本文旨在通过综合调查，以 MLOps 为过程，收集和阐述关键概念和活动及其代表作和调查，对现有机器学习技术的现状进行清晰的阐述，以便初学者（如研究人员、从业人员）了解 MLOps 过程的概述，以及在 ML 过程的每个步骤中使用的关键技术，并了解如何查找更多详细信息。

    Apr, 2023

  • 走向 MLOps：面向机器学习系统的 DevOps 工具推荐系统

    运用 DevOps 实践于机器学习系统，被称为 MLOps，其目的是建立不同开源工具之间的连接，构建一个能自动执行步骤来构建数据集、训练机器学习模型并将模型部署到生产环境的流水线，并存储不同版本的模型和数据集。本文提出了一个基于上下文信息（例如数据性质、数据类型）的推荐系统框架，用于为机器学习系统的操作化推荐相关的技术栈，通过对四种不同方法的调查，即基于规则的、随机森林、决策树和 K 最近邻，以准确率、召回率和 F1 分数进行评估，其中随机森林的 F1 分数最高，为 0.66。

    Feb, 2024

  • 缺乏图像数据的 MLOps：显微图像分析中的一个应用案例

    这项研究探索了 MLOps 在稀缺数据分析中的完整应用，并提出了一种新的整体方法来增强生物医学图像分析。

    Sep, 2023

  • 面向铁路领域基于机器学习系统的持续开发和安全保障的安全 MLOps 流程

    传统的自动化技术无法实现无人驾驶列车在非受限基础设施上的运行，此研究论文介绍了一个安全可靠的机器学习运维过程，用于持续开发和安全保证铁路领域的机器学习系统。该过程集成了系统工程、安全保证和机器学习生命周期，并自动化了不同阶段的挑战。

    Jul, 2023

  • 机器学习在健康领域的挑战与机遇综述

    该论文阐述了电子病历（EHR）提供数据以回答临床相关问题，EHR 中不完整的标签、供建多个基础病因的疾病和健康人群缺乏等问题给机器学习在临床应用中带来的挑战，并强调了机器学习在医疗保健中发挥作用的机会。

    Jun, 2018

  • 机器学习在医疗领域的应用：现状和未来发展方向

    通过快速处理能力，检测易被忽视的隐藏模式使得机器学习 (Machine Learning, ML) 在今天的医疗系统中不可或缺。本研究的目标是在不同医疗领域简洁有效地收集 ML 应用，并以表格形式提供相关参考文献和描述，以便立即获取必要信息。我们将研究分为五个主要组别：社区层面工作、风险管理 / 预防护理、医疗运营管理、远程护理和早期检测。我们的目标是向人们介绍机器学习在医疗行业的适用性，缩小临床医生对机器学习应用的知识差距，并推动医疗专业人员更多地基于机器学习的医疗系统。

    Jul, 2023

  • 工业系统的诊断和预测的机器学习方法综述：基于工业开源数据

    在预测健康管理领域，本文提供了关于利用 PHM 数据挑战竞赛的开源数据集进行工业系统诊断和预测的机器学习方法的综述，并总结了一个统一的机器学习框架，强调了传统机器学习和深度学习在解决复杂工业任务方面的作用和挑战。

    Dec, 2023