本篇论文旨在通过对视觉隐私问题的分析，系统地研究机器学习流程中的公平性、隐私、人类干预以及潜在的社会伦理问题，从而提高相关利益相关者（研究人员，模型构建者，企业等）的认识与责任意识。

Nov, 2021

通过整合 AutoML 与数据管道，优化数据流的自动化机器学习方法并构建高效的数据管道以适应不断变化的数据环境，从而在机器学习任务中取得更好的结果。

Feb, 2024

介绍了基于树形管道优化的自动化机器学习流程设计的概念，并通过实验验证了其有效性和实用性，具有挑战性和实用性的研究。

Jan, 2016

本文提出了一种名为 SapientML 的自动机器学习技术，通过从现有数据集中学习人类编写的管道，实现针对新数据集的高质量管道的快速生成，采用了一种三阶段程序合成方法来进行搜索空间的有效管理。评估结果表明，在 41 个基准数据集中，SapientML 在 27 个基准数据集上的表现最佳或与最佳工具相当。

Feb, 2022

本文介绍了一种名为 DataScope 的系统，它是第一个能够高效计算端到端 ML pipeline 中每个训练样例 Shapley 值的系统，并展示了它在数据调试方面的应用。作者首先开发了一种计算特定 ML pipeline 族群中 Shapley 值的新算法框架，然后将其应用于不同的实例中。实验结果表明，DataScope 比现有的基于蒙特卡罗方法的方法快上四个数量级，同时在数据调试方面同样有效甚至更加有效。

Apr, 2022

本文提出一种新的神经架构，将 Machine Learning pipeline 的组件嵌入到潜在表示中，通过 Bayesian Optimization 机制中的深度内核高斯过程模型在 meta-datasets 上搜索优化最优的 pipeline 嵌入，实验结果表明 pipeline 嵌入可以在 Pipeline Optimization 中取得最优结果。

May, 2023

我们提出了一种新的统计测试方法，用于评估数据分析流水线的统计显著性，该测试方法基于选择性推断，适用于由一组数据分析组件组成的任何数据分析流水线配置。我们通过合成和真实数据的实验证实了统计测试的有效性，并提出了一个实现框架，可以在此类数据分析流水线的任何配置上进行测试，无需额外的实现成本。

Jun, 2024

本文提供了一个综合的文献综述及九个半结构化采访，总结了 AI 模型持续开发中面临的挑战。作者提出了一种适用于 AI 持续开发的流水线，包含数据处理、模型学习、软件开发及系统运维四个阶段，并针对每个阶段的实施、适应和使用提出了具体挑战。

Jan, 2023

提出了 Auto-Validate-by-History (AVH) 算法，该算法能够自动检测经常性的数据管道中的数据质量问题。在 Microsoft 的 2000 个生产数据管道的评估中表现出了其效果和效率。

Jun, 2023

通过方法工程领域的实证研究构建了一个计算机视觉数据管道（CV data pipelines）的参考模型，从流程角度探索了数据集的创建、演化、使用等，探究流程角度如何支持研究人员发现未研究的问题，并帮助从业者使其进程更透明。

Jul, 2021