Support of designing data-driven experiments
Podpora návrhu experimentů řízených daty
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/203030Identifikátory
SIS: 271231
Kolekce
- Kvalifikační práce [11987]
Autor
Vedoucí práce
Oponent práce
Kofroň, Jan
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika - Softwarové systémy
Katedra / ústav / klinika
Katedra distribuovaných a spolehlivých systémů
Datum obhajoby
9. 9. 2025
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Velmi dobře
Klíčová slova (česky)
MLOps nástroje|Language Server Protocol|Rozšíření pro integrované vývojové prostředí|Experimenty řízené datyKlíčová slova (anglicky)
MLOps tooling|Language Server Protocol|Integrated development environment extension|Data-driven experimentsTato práce se zabývá implementací vybraných konceptů definovaných v projektu Ex- tremeXP pro práci s experimenty řízenými daty. Zaměřuje se především na návrh expe- rimentů prostřednictvím doménově specifického jazyka a jeho podporu v integrovaném vývojovém prostředí (IDE) pomocí implementovaného jazykového serveru. Vytvořený sys- tém dále umožňuje generovat spustitelné artefakty z definice experimentu a následně je spouštět přímo ve vývojovém prostředí. Součástí řešení je i možnost práce s repozitáři definic experimentů, které usnadňují jejich sdílení a opětovné využití. Navržené řešení výrazně zlepšuje reprodukovatelnost, udržovatelnost a uživatelský komfort při práci s ex- perimenty řízenými daty a ve srovnání s existujícími řešeními typu MLOps a AutoML nabízí lepší propojení komponent a jednodušší rozšiřitelnost.
This thesis focuses on implementing selected concepts defined within the ExtremeXP project for working with data-driven experiments. It primarily addresses the design of experiments through a domain-specific language and its support in an integrated devel- opment environment (IDE) via an implemented language server. The resulting system further enables the generation of executable artifacts from experiment definitions and their execution directly within the development environment. The solution also pro- vides functionality for interacting with repositories of experiment definitions, facilitating their sharing and reuse. The proposed approach significantly improves reproducibility, maintainability, and user experience in the context of data-driven experimentation and, compared to existing solutions such as MLOps and AutoML, offers better component integration and simpler extensibility.
