Il existe peu de preuves empiriques sur les stratégies de test utilisées par les ingénieurs en apprentissage automatique.
Dans ce projet, nous réalisons la première étude empirique rigoureuse sur les pratiques de test de l’apprentissage automatique sur le terrain. Cette étude vise à faire la lumière sur les différentes techniques de test pour les logiciels basés sur l’apprentissage automatique adoptées en pratique par la communauté des chercheurs. Pour ce faire, nous identifions les différentes propriétés testées, les stratégies de test employées, ainsi que leur mise en œuvre dans le flux de travail de l’apprentissage automatique. Notre recherche vise donc à mettre en évidence les lacunes et les limites des pratiques de test existante en apprentissage automatique.
Équipe du projet
Jeux de données utilisés pour les expérimentations
Référence
An Empirical Study of Challenges in Converting Deep Learning Models