Wydajność narzędzi uczenia maszynowego. Analiza porównawczabibliotek w interpretowanych i kompilowanych językach programowania
Artykuł w czasopiśmie
MNiSW
5
spoza listy
| Status: | |
| Warianty tytułu: |
Performance of machine learning tools. Comparative analysis of libraries in interpreted and compiled programming languages
|
| Autorzy: | Wiejak Tomasz, Smołka Jakub |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2024 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | polski |
| Wolumen/Tom: | 33 |
| Strony: | 339 - 345 |
| Bazy: | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 30 września 2024 |
| Abstrakty: | angielski | polski |
| The article compares machine learning tools using the example of several popular programming languages. Existing tools in the following programming languages were tested and compared with each other: Python, Java, R, Julia, C#. For the needs of article, algorithms were created in each studied language, operating on the same test set and using algorithms from the same group. The collected results included the program's running time, number of lines of code and accuracy of trained model. Based on the obtained data, conclusions were drawn that interpreted language libraries in terms of creating machine learning solutions are more effective than compiled language libraries. | |
| W artykule porównano narzędzia uczenia maszynowego na przykładzie kilku popularnych języków programowania. Przetestowano i porównano istniejące narzędzia w następujących językach programowania: Python, Java, R, Julia, C#. Na potrzeby artykułuw każdym badanym języku zostały stworzone algorytmy operujące na tym samym zbiorze testo-wym i wykorzystujące algorytmy z tej samej grupy. Rejestrowane wartościobejmowały czasdziałania programu, liczbę linii kodu, jak i dokładność uczenia modeli. Na podstawie wszystkich otrzymanych danych wyciągnięto wnioski, a w rezultacie stwierdzono, że biblioteki język ów interpretowanych pod względem tworzenia rozwiązań uczenia maszy-nowego są skuteczniejsze niż biblioteki język ów kompilowanych. |
