メタデータを理解する（NISOによる入門書）｜国立国会図書館-National Diet Library
小売業者が商品や顧客の情報をどのように保管しているかをご存じですか。雇用者は従業員とその業務内容の情報、団体は主催する行事の情報、研究機関は各分野の動向と注目すべき人物の情報、図書館や文書館や博物館は保存管理している資料の情報、政府は国民や同盟国や敵対国の情報をどのように保管しているのでしょうか。これらの情報は、すべてメタデータです。メタデータは、事物を言い表すために私たちが作成、保管、共有する情報です。メタデータのおかげで、私たちは事物と関わり合い、必要な知識を得ることができます。「メタデータ」という言葉は古来、その語源が文字通りに表すように「データに関するデータ」という意味を持っています。このような定義の広さから、メタデータは遍在しているのではないかと考える人もいるかもしれませんが、事実そのとおりです。米国では、2013年に米国国家安全保障局（National Security Age
Scikit-Learn でモデルカードを作成してクラウドにデプロイする方法 | Google Cloud 公式ブログ
※この投稿は米国時間 2020 年 10 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。 機械学習モデルは、多数の難しいタスクを遂行するために使用されるようになりました。大きな可能性を秘める ML モデルですが、その使用方法、構成、制限に関して疑問も寄せられています。そうした疑問に対する回答を文書化することで状況が明確になり、共通の理解を得ることができます。これらの目標を達成するために、Google はモデルカードを導入しました。 モデルカードの目的は、機械学習モデルの全体像を簡潔に提供することです。まず、モデルカードはそのモデルの機能、意図するユーザー層、その管理者について説明します。また、アーキテクチャや使用されているトレーニング データなど、モデルの構成に関する情報も提供します。さらに、生のパフォーマンス指標だけでなく、モデルの制限とリスク緩和の機会
SIGMOD Record - March 2008
Data Management Projects at Google Michael Cafarella Edward Chang Andrew Fikes Alon Halevy Wilson Hsieh Alberto Lerner Jayant Madhavan S. Muthukrishnan 1. INTRODUCTION This article describes some of the ongoing research projects related to structured data management at Google today. The organization of Google encourages research scientists to work closely with engineering teams. As a result, the r
Model Cards for Model Reporting
Trained machine learning models are increasingly used to perform high-impact tasks in areas such as law enforcement, medicine, education, and employment. In order to clarify the intended use cases of machine learning models and minimize their usage in contexts for which they are not well suited, we recommend that released models be accompanied by documentation detailing their performance character
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Data Commons – Google Research
https://datacentricai.org/neurips21/papers/112_CameraReady_Data_Cards.pdf
Dataset or Not? A study on the veracity of semantic markup for dataset pages
Data Engineering Bulletin
Index of /~alon
Introducing the Model Card Toolkit for Easier Model Transparency Reporting
Introducing the Model Card Toolkit for Easier Model Transparency Reporting
Measuring the User Experience on a Large Scale: User-Centered Metrics for Web Applications
Datasets – Google Research
Slice Finder: Automated Data Slicing for Model Validation
Quick Access: Building a Smart Experience for Google Drive
KHyperLogLog: Estimating Reidentifiability and Joinability of Large Data at Scale
ItemSuggest: A Data Management Platform for Machine Learned Ranking Services
Google Dataset Search: Building a search engine for datasets in an open Web ecosystem
Online, Asynchronous Schema Change in F1
Data Management Challenges in Production Machine Learning