Explorando Padrões de Projetos em Sistemas baseados em Aprendizado de Máquina: Um estudo de Caso

• Vitor Gabriel Balsanello Universidade Tecnologica Federal do Paraná (UTFPR)
• Francisco Carlos Souza Universidade Tecnologica Federal do Paraná (UTFPR)
• Alinne Souza Universidade Tecnologica Federal do Paraná (UTFPR)

DOI: https://doi.org/10.5753/eres.2023.237853

Resumo

Aprendizado de máquina tem se tornado um área cada vez mais estudada e analisada tanto por profissionais de software quanto por por acadêmicos. O crescimento dos projetos e as características especificas desses produtos, exige a necessidade de uma análise mais profunda e abrangente sobre uma perspectiva arquitetural. Esse trabalho busca conduzir uma análise sobre padrões de projetos de software através da sua aplicação no desenvolvimento de um sistema inteligente. Como resultado, foram apresentadas algumas observações sobre a importância desses padrões e também a grande necessidade de aplicá-los em projetos reais.

Referências

Basili, V. R. and Weiss, D. M. (1984). A methodology for collecting valid software engineering data. Pages 728–738.

Erich Gamma, Richard Helm, R. J., and Vlissides, J. (2009). Design Patterns: Elements of Reusable Object-Oriented Software. 1st edition.

Ferlitsch, A. (2021). Deep Learning Patterns and Practices. 1st edition.

Hironori Washizaki, Hiromu Uchida, F. K., and Guéhéneue, Y.-G. (2019). Studying software engineering patterns for designing machine learning systems. Pages 49–54.

Hironori Washizaki, Hiromu Uchida, F. K. Y.-G. G. (2020). Machine learning architecture and design patterns. Pages 1–8.

Huyen, C. (2022). Design Machine Learning Systems. 1st edition.

Lean Bass, P. C., and RickKazman (2013). Software Architecture in Practice. 3rd edition.

Ng, A. (2018). Machine Learning Yearing. 1st edition.

Nikil Muralidhar, Sathappan Muthiah, P. B. M. J. Y. Y. K. B. W. L. D. J. P. A. H. S. M., and Ramakrishnan, N. (2021). Using antipatterns to avoid MLOps mistakes. Pages 1–9.

Serban, A. and Visser, J. (2022). Adapting software architectures to machine learning challenges. Pages 152–163.

Sharma, R. and Davuluri, K. (2019). Design patterns for machine learning applications. Pages 818–821.

Ulucan, O., Karakaya, D., and Turkan, M. (2019). Meat quality assessment based on deep learning. In 2019 Innovations in Intelligent Systems and Applications Conference (ASYU), Pages 1–5. IEEE.

Valliappa Lakshmanan, Sara Robinson, M. M. (2020). Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps. 1st edition.

van Gurp, J., and Bosch, J. (2002). Design erosion: problems and causes. Pages 1–15.

Yin, R. K. (2014). Case Study Research. 5th edition.