型主導機械学習による動的コード最適化

依存性注入(DI) は複雑なオブジェクトを構築する際に広く用いられます。DIを拡張して、構築されたオブジェクトの測定可能なプロパティを最適化する埋め込み可能な機械学習(ML)フレームワークを紹介します。多くのモダンなMLのアプローチと異なり、学習されたオブジェクトは、それが組み立てられた型によって透過的に表現されます。埋め込まれたMLは、動作環境の変化に応じて実行中のプログラムを最適化するために動的に呼び出すことができます。ケーススタディでは、以下のような事例を紹介します。