超越发展：部署机器学习模型用于结构工程应用的挑战

Apr, 2024

超越发展：部署机器学习模型用于结构工程应用的挑战

Beyond development: Challenges in deploying machine learning models for structural engineering applications

Mohsen Zaker Esteghamati, Brennan Bean, Henry V. Burton, M.Z. Naser

TL;DR通过两个实例，本文旨在阐明开发适用于应用的机器学习模型的挑战，强调了通过自适应采样、物理学知识导向的特征选择以及考虑模型复杂性和泛化能力来实施严格的模型验证技术的重要性。

Abstract

machine learning (ML)-based solutions are rapidly changing the landscape of many fields, including structural engineering. Despite their promising performance, these approaches are usually only demonstrated as pr

machine learning structural engineering ml models model validation techniques rigorous model

发现论文，激发创造

部署机器学习的挑战：案例研究调查

该论文调查了部署机器学习模型在实际业务系统中可能遇到的挑战和关注点，并将这些挑战与机器学习部署工作流程的各个阶段对应起来，以期为解决这些挑战探索新的方法和研究方向。

Nov, 2020

机器学习增强的系统工程中的问题命名

通过国际调查，本研究提供了机器学习应用系统工程的现状和问题，推动软件工程实践的进一步应用和传播，以提升机器学习应用系统的工程水平。

May, 2024

构建基于机器学习的系统中的协作挑战：沟通，文档，工程和流程

该研究通过访谈 28 个组织中 45 位从业人员发现，在建立和部署机器学习系统时，团队在需求、数据和整合等方面都面临一些具体的协作挑战，主要来源于沟通、文档记录、工程和流程等方面，因此提出了一些建议以应对这些挑战。

Oct, 2021

将科学知识与机器学习相结合，用于工程和环境系统

本文探讨了机器学习与传统基于物理模型的建模方法相结合解决复杂科学和工程问题的创新方法，总结了这些方法的应用领域，并描述了用于构建基于物理引导的机器学习模型和混合物理 - 机器学习框架的分类方法，提出了现有技术的分类方法，揭示了知识漏洞和不同学科间方法的潜在交叉点，可用作未来研究的思路。

Mar, 2020

应用软件工程技术实现应用机器学习的指导

研究指出，现有的机器学习开发环境和 API 缺乏足够的指导及软件工程最佳实践，需要在专门开发的机器学习应用程序开发方面扩展和适应软件工程概念、工具和技术，并为机器学习特定的软件工程提供充足的研究机会。

Mar, 2022

部署临床机器学习？考虑以下事项

通过调查拥有临床部署经验的从业者，本研究针对临床机器学习应用程序的主要挑战类别进行了分类，以更好地设计和开发临床机器学习应用程序。

Sep, 2021

循着最佳实践指引的机器学习

本文旨在通过分析机器学习在软件工程中的最佳实践，填补现有文献不足的空缺，并针对机器学习应用所面临的挑战和开发过程，提出一系列以软件工程视角为基础的建议。

Apr, 2023

更好的机器学习工程能力

本文介绍了基于能力的框架，旨在使用机器学习模型行为的细粒度规范来统一现有的机器学习工程支持，并通过初步实验展示了能力对于反映模型通用性的潜力以及将其整合到机器学习工程的挑战和机遇。

Nov, 2022

机器学习研究中的陷阱：重新审视开发周期

本研究从算法设计到数据收集到模型评估的全过程，引起注意常见陷阱，并提供实用建议以改进机器学习，通过案例研究强调这些缺陷在实践中如何发生以及在哪里可以进行改进。

Nov, 2020

机器学习系统部署管道的持续学习

研究了机器学习系统的最小自动化部署技术，并比较了自动化部署技术的优劣，以帮助后来的采用者避免在实际使用案例中发生概括性错误，并选择更好的策略，同时提高机器学习系统的部署评估框架意识，有更全面、有用的评估指标，而不仅仅关注单一的因素，这对于行业决策者尤为重要。

Dec, 2022