AI mühendisliği klasik ML'den nasıl ayrışır

İki çalışma biçimi aynı problemin farklı yerlerinde duruyor. Farkı bu müfredatta ölçtüğün sonuçlarla kuracağız.

Kaynaklar

• Sculley, D. ve ark. 2015 · Hidden Technical Debt in Machine Learning Systems · NeurIPS 2015
• Bommasani, R. ve ark. 2021 · On the Opportunities and Risks of Foundation Models · arXiv:2108.07258
• Shankar, S. ve ark. 2024 · Who Validates the Validators? Aligning LLM-Assisted Evaluation of LLM Outputs with Human Preferences · UIST 2024
• Paleyes, A. ve ark. 2022 · Challenges in Deploying Machine Learning: a Survey of Case Studies · ACM Computing Surveys 55(6)