Oct, 2023

自动化数据分析的轻量级知识表示

PDF
TL;DR数据科学的主要目标是从数据中获取有意义的信息，本文尝试自动化数据分析的关键性环节，并通过实现数据分析方法和建立领域特定知识的链接，以及验证功能，为全自动数据分析铺平道路。
data sciencedata analysisautomatinganalytics taxonomyautomated data analysis
发现论文，激发创造
  • 语义化数据科学的愿景

    本文讨论了当前数据科学和机器学习自动化解决方案的重要缺陷，并设想如何利用语义理解和推理与数据科学自动化的新工具相结合，以帮助保持一致且可解释的数据增强和转换。另外，我们还讨论了语义如何在处理与信任、偏见和可解释性相关的挑战方面以一种崭新的方式帮助数据科学家，并在更好地探索和组织大型数据源方面提供帮助。

    Mar, 2023

  • 自动数据科学中的语义调研

    本文介绍了当前自动化数据科学和机器学习的重要缺陷，并讨论了如何利用基本的语义推理和新型数据科学自动化工具相结合来帮助数据扩充和转换的一致性和可解释性。此外，语义可以通过帮助解决信任、偏见和可解释性方面的挑战，以一种新的方式协助数据科学家。

    May, 2022

  • 数据视觉：算法抽象中的学习视觉

    本文研究了数据学习环境中机械化应用规则与情境性抉择之间的关系，阐述了数据视力的重要性并讨论了其对数据分析学习、研究和实践的作用。

    Feb, 2020

  • 自动化数据科学：前景和挑战

    本文主要探讨数据科学中的自动化技术，旨在为数据科学家提供更好的工具而非替代人力。机器学习是数据科学中自动化技术的一个重要方面，但一些开放性和情境依赖的任务仍需要人工参与。

    May, 2021

  • 数字农业中的知识表达：迈向标准化模型的一步

    该研究提出了基于本体的知识映射模型，以表示和存储作物种植的数据挖掘结果，以建立、维护和丰富知识发现过程，从而实现更高效的决策过程。

    Jul, 2022

  • 汽车行业中的人工智能和数据科学

    数据科学和机器学习是未来汽车工业自动学习和优化进行流程和产品的关键技术，本文定义了 “数据科学” 和 “机器学习” 的术语并介绍了它们的相关性。它还定义了 “优化分析” 一词并说明了自动优化技术在数据分析中的关键作用。同时介绍了这些技术如何在汽车产业价值链的各个子流程中被使用，并举例说明了其创新应用的可能性。最后，该文章展示了这些技术如何使汽车工业更加高效，并通过整个产品开发过程拓展客户连接，以增强其客户关注度和活动。

    Sep, 2017

  • 跨领域知识转移的图启用方法

    通过跨领域知识转移来减少领域知识不足的影响，结合半监督学习及大量无监督数据，提高机器学习任务的性能以实现自动决策

    Apr, 2023

  • 精益数据科学家：克服数据瓶颈的最新进展

    介绍了如何建立大规模数据集用于机器学习，提出了处理数据瓶颈问题的分类方法，旨在提高社区对这些方法的认识并促进资源的更有效利用。

    Nov, 2022

  • 工程中融合先验知识的机器学习路径

    本研究介绍一个三级知识集成机器学习方法，在工程领域平衡整体主义和还原主义的视角，以在数据驱动的过程中转移和利用领域知识。

    Jul, 2023

  • 知识增强深度学习及其应用：综述

    本文综述了知识增强深度学习 (KADL) 的概念及其三个主要任务：知识识别，知识表达和知识整合，并提供了一种基于广泛和完整的领域知识分类法的系统回顾。在这份综述中，我们提供了现有技术的系统性审查，并提供了未来研究方向的方向。

    Nov, 2022