Key points are not available for this paper at this time.
AI 시스템은 데이터 없이 존재할 수 없습니다. AI 모델(데이터 과학 및 AI)이 성숙해져 실용적으로 적용될 수 있는 지금, 대부분의 조직은 이를 위한 데이터 인프라에 어려움을 겪고 있습니다. AI 시스템을 위한 데이터를 준비하는 방법을 아는 데이터 엔지니어에 대한 요구가 증가하고 있으며, 분석 프로젝트를 위한 기업 전체 데이터 아키텍처를 설정할 수 있는 능력이 필요합니다. 그러나 지금까지 AI 엔지니어링의 데이터 엔지니어링 부분은 모델링 부분에 대한 논의로 인해 많은 주목을 받지 못했습니다. 본 논문에서는 AI 시스템을 위한 데이터 엔지니어링, 즉 AI 데이터 엔지니어링에 대한 매핑 연구를 수행하여 이를 변화시키고자 합니다. 2019년 1월부터 2023년 6월까지 AI 데이터 엔지니어링 활동을 설명하는 25개의 관련 논문을 발견했습니다. 우리는 어떤 라이프 사이클 단계가 포함되어 있는지, 어떤 기술 솔루션이나 아키텍처가 제안되었는지, 어떤 교훈이 제시되었는지를 식별합니다. 마지막으로, 실무자와 연구자를 위한 시사점과 함께 논문의 전반적인 논의를 마무리합니다. 이 논문은 AI를 위한 데이터 엔지니어링에 대한 지식의 개요를 제공합니다. 이 개요는 실무자가 솔루션과 모범 사례를 식별하는 데 유용하며, 연구자가 격차를 인식하는 데 도움을 줄 수 있습니다.
Petra Heck (Sun,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: