.png){kind=icon}
返回
Use of Software Engineering methodological support for developing machine learning-based software: A Systematic Mapping Study
.png){kind=icon}
PRE
AI
DOI：10.3897/jucs.147241.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）的进展，特别是通过机器学习（ML）和深度学习（DL），已在汽车、医疗保健和交通等行业实现了创新解决方案。这些技术通过利用大规模数据支持决策，以解决复杂问题。然而，它们的广泛采用也暴露了可能影响真实环境系统性能的关键技术挑战。软件工程（SE）作为计算机科学的基础学科，为监督整个软件开发生命周期提供了方法论支持，涵盖规划、设计、实现、测试和维护。这使得SE对于开发基于AI的可靠且可维护的系统具有相关性。本文进行了一项系统映射研究（SMS），分析了89项主要研究（PS），以调查基于ML的软件开发生命周期中SE方法论支持的现状。我们的发现揭示了SE实践如何整合到ML项目中的显著差距，大多数研究仅狭隘地关注测试活动，而忽视了其他关键开发阶段。该研究识别了核心挑战，并提出了根据SE的四个维度（过程、产品、项目和人员）组织的建议。结果表明，迫切需要改进和扩展SE方法论支持，以应对由AI驱动的系统的特定需求，从而增强基于ML的软件开发的可靠性、可维护性和伦理责任。
Keyword:
Artificial Intelligence
Machine Learning based Software
Software Engineering
Systematic Mapping Study
期刊
J
IF:
0.9
论文数:
23
被引数:
886
机构
查看更多机构
引用论文
暂无论文信息