Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/136622
Author(s): Joaquim Antero Pavão dos Santos
Title: COLLAPSE: Collaborative full-stack platform for data science development
Issue Date: 2021-07-22
Abstract: Data science projects differ from the usual software development project because of their focus on experimentation. From trying different datasets, features and pre-processing tasks, algorithms and hyper parameters, a data science project relies on using a methodology to continuously improving the results. It is essential in this kind of project to be able to compare experiments, as well as to be able to reproduce the results associated with each experiment, so challenges related to data versioning, experiment tracking and guaranteeing the reproducibility of the results arise. There is also a necessity for data annotation in order to facilitate the development of supervised approaches and deployment of models in diverse environments. As of now there are several tools and platforms in development that are able to tackle some of these challenges however there is not a singular one that is aiming to solve them all, so the objective is to develop an integrated solution that provides data science teams with data annotation, collaboration, data versioning, experiment tracking, results reproducibility and models deployment. This will be achieved by drawing upon the already existing software and developing a middle layer between the user and some features from these platforms with the final objective being to resolve all the aforementioned challenges. A platform like this will allow data science teams to cooperate in an easier way as well as have a more efficient development of projects. This platform will be validated by testing its performance on a real project.
Description: Os projectos de data science diferem do projecto habitual de desenvolvimento de software devido ao seu foco na experimentação. Desde tentar diferentes conjuntos de dados, características e tarefas de pré-processamento, algoritmos e hiper parâmetros, um projecto de data science baseia-se na utilização de uma metodologia para melhorar continuamente os resultados. É essencial neste tipo de projecto poder comparar experiências, bem como ser capaz de reproduzir os resultados associados a cada experiência, pelo que surgem desafios relacionados com a versão dos dados, o seguimento da experiência e a garantia da reprodutibilidade dos resultados. Há também uma necessidade de anotação de dados, a fim de facilitar o desenvolvimento de abordagens supervisionadas e a implantação de modelos em ambientes diversos. Existem várias ferramentas e plataformas em desenvolvimento que são capazes de enfrentar alguns destes desafios, mas não há uma única que pretenda resolvê-los todos, pelo que o objectivo é desenvolver uma solução integrada que forneça às equipas de ciência de dados a anotação de dados, colaboração, versionamento de dados, rastreio de experiências, reprodutibilidade de resultados e implementação de modelos. Isto será conseguido com base no software já existente e desenvolvendo uma camada intermédia entre o utilizador e algumas características destas plataformas com o objectivo final de resolver todos os desafios acima mencionados. Uma plataforma como esta permitirá às equipas de data science cooperar de uma forma mais fácil, bem como ter um desenvolvimento mais eficiente dos projectos. Esta plataforma será validada através do teste do seu desempenho num projecto real.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
DOI: 10.34626/e891-qd55
TID identifier: 202821668
URI: https://hdl.handle.net/10216/136622
Document Type: Dissertação
Rights: openAccess
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
503080.pdfCOLLAPSE: CollabOrative fuLL-stAck Platform for data Science dEvelopment2.43 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.