< Terug naar vorige pagina

Project

Programmeertaalondersteuning voor het integreren van machine learning in grootschalige software applicaties (FWOSB89)

Er is momenteel een gebrek aan software engineering technieken en technologieën om uiterst gespecialiseerde machine learning kennis toe te voegen aan mainstream software ontwikkelingsmethoden. In
dit voorstel worden drie objectieven voorgesteld. Elk van deze objectieven draagt bij voor een betere software ontwikkeling van intelligente applicaties.

De oplossingen in dit voorstel zijn in de vorm van infrastructural framework support en nieuwe programmeertaal abstracties die programmeurs helpen om ML technieken te integreren. Programmeurs zullen in staat zijn om:
1) Declaratief uit te drukken hoe data vanuit de applicatie omgezet moet worden en gestuurd moet worden naar de verscheidene ML modellen.
2) ML modellen te managen door op regelmatige basis de staat van de modellen op te slaan en terug naar een vorige staat te gaan indien nodig.
3) om te gaan met voorspelde waarden (gemaakt door ML modellen) in de applicatie logica door er vanuit te gaan dat deze waarden identiek zijn aan de reële waarden. Wanneer dit toch niet het geval is kan de programmeur acties ondernemen;
Uiteindelijk wordt een proof-of-concept applicatie genaamd SmartScoot geïmplementeerd. In deze applicatie worden de voorgestelde oplossing geïntegreerd als wijze van validatie. SmartScoot bewijst dat het naadloos integreren van ML technieken in software applicaties de ontwikkeling van intelligente applicaties enorm verbetert.
Datum:1 nov 2019 →  31 okt 2021
Trefwoorden:software engineereing, programming language design, software quality
Disciplines:Machine learning en besluitvorming, Taalontwerp, -constructies en -eigenschappen, Programmeertalen en -technologieën, Software engineering