کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4950417 1440639 2017 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Scientific workflows in data analysis: Bridging expertise across multiple domains
ترجمه فارسی عنوان
جریان های علمی در تجزیه و تحلیل داده ها: تخصص متقابل در حوزه های مختلف
کلمات کلیدی
گردش کار، تحلیل داده ها، قطعات کاری،
ترجمه چکیده
در این مقاله، ما استفاده از جریان های علمی در زمینه انتقال متخصص در حوزه های مختلف را با استفاده از دوباره سازی بخش های گردش کار در زمینه های تجزیه و تحلیل متن، تجزیه و تحلیل تصویر و تجزیه و تحلیل فعالیت در ویدئو نشان می دهد. ما نشان می دهد که چگونه استفاده مجدد از گردش کار دانشمندان را قادر می سازد تا در میان رشته ها پیوند برقرار کنند و مزایای تحقیقات بین رشته ای را فراتر از تخصص عادی خود بدست آورند. علاوه بر این، ما در حال انجام مطالعات عمیق از وظایف مختلف، از جمله وظایف برای تجزیه و تحلیل متن، تجزیه و تحلیل چند رسانه ای شامل تصاویر و متن، تجزیه و تحلیل فعالیت های ویدئویی، و تجزیه و تحلیل سبک هنری با استفاده از آموزش عمیق است. این وظایف نشان می دهد که چگونگی استفاده مجدد از بخش های گردش کار می تواند یک رویکرد پیش موجود و ابتدایی را به تجزیه و تحلیل کارشناسان تبدیل کند. ما همچنین بررسی می کنیم که چگونه بخش های گردش کار صرفه جویی در زمان و تلاش را در حالی که تخصص در زمینه های مختلف مانند یادگیری ماشین و دید کامپیوتر.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
In this paper, we demonstrate the use of scientific workflows in bridging expertise across multiple domains by re-purposing workflow fragments in the areas of text analysis, image analysis, and analysis of activity in video. We highlight how the reuse of workflows allows scientists to link across disciplines and avail themselves of the benefits of inter-disciplinary research beyond their normal area of expertise. In addition, we present in-depth studies of various tasks, including tasks for text analysis, multimedia analysis involving both images and text, video activity analysis, and analysis of artistic style using deep learning. These tasks show how the re-use of workflow fragments can turn a pre-existing, rudimentary approach into an expert-grade analysis. We also examine how workflow fragments save time and effort while amalgamating expertise in multiple areas such as machine learning and computer vision.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 75, October 2017, Pages 256-270
نویسندگان
, ,