論文の概要: Interpreting Cloud Computer Vision Pain-Points: A Mining Study of Stack Overflow

• arxiv url: http://arxiv.org/abs/2001.10130v1
• Date: Tue, 28 Jan 2020 00:56:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 02:41:16.969403
• Title: Interpreting Cloud Computer Vision Pain-Points: A Mining Study of Stack Overflow
• Title（参考訳）: クラウドコンピュータビジョンの痛点を解釈する - スタックオーバーフローのマイニングスタディ
• Authors: Alex Cummaudo, Rajesh Vasa, Scott Barnett, John Grundy, Mohamed Abdelrazek
• Abstract要約: 本研究では,コンピュータビジョンサービスに対する開発者の不満について検討する。 モバイル開発のような成熟した分野とは違って、開発者が問う質問の種類は対照的である。 これらは、そのようなシステムを強化する技術について、浅い理解を示している。
• 参考スコア（独自算出の注目度）: 5.975695375814528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent services are becoming increasingly more pervasive; application developers want to leverage the latest advances in areas such as computer vision to provide new services and products to users, and large technology firms enable this via RESTful APIs. While such APIs promise an easy-to-integrate on-demand machine intelligence, their current design, documentation and developer interface hides much of the underlying machine learning techniques that power them. Such APIs look and feel like conventional APIs but abstract away data-driven probabilistic behaviour - the implications of a developer treating these APIs in the same way as other, traditional cloud services, such as cloud storage, is of concern. The objective of this study is to determine the various pain-points developers face when implementing systems that rely on the most mature of these intelligent services, specifically those that provide computer vision. We use Stack Overflow to mine indications of the frustrations that developers appear to face when using computer vision services, classifying their questions against two recent classification taxonomies (documentation-related and general questions). We find that, unlike mature fields like mobile development, there is a contrast in the types of questions asked by developers. These indicate a shallow understanding of the underlying technology that empower such systems. We discuss several implications of these findings via the lens of learning taxonomies to suggest how the software engineering community can improve these services and comment on the nature by which developers use them.
• Abstract（参考訳）: アプリケーション開発者は、コンピュータビジョンのような分野における最新の進歩を活用して、ユーザに新しいサービスや製品を提供したいと考えている。 このようなapiは、簡単に統合可能なオンデマンド機械学習を約束しているが、現在の設計、ドキュメンテーション、開発者インターフェースは、それらを支える機械学習技術の多くを隠している。 このようなAPIは従来のAPIに似ていますが、データ駆動の確率的振る舞いを抽象化します。 この研究の目的は、開発者が最も成熟したインテリジェントサービス、特にコンピュータビジョンを提供するシステムを実装する際に直面する様々な問題点を特定することである。 Stack Overflowを使って、コンピュータビジョンサービスを使用するときに開発者が直面するフラストレーションを掘り下げ、最近の2つの分類(ドキュメント関連および一般的な質問)に対して質問を分類します。 モバイル開発のような成熟した分野とは異なり、開発者からの質問のタイプには対照的な点があります。 これらは、そのようなシステムを強化する基盤となる技術に対する浅い理解を示している。 我々は、ソフトウェア工学コミュニティがこれらのサービスをどのように改善できるかを示唆するために、学習分類のレンズを通してこれらの発見のいくつかの意味を議論し、開発者がそれらを使用する性質についてコメントする。

関連論文リスト

• LLM-Generated Microservice Implementations from RESTful API Definitions [3.740584607001637]
  本稿では,Large Language Models (LLMs) を用いて,APIファーストのソフトウェア開発を自動化するシステムを提案する。 システムはOpenAPI仕様を生成し、そこからサーバコードを生成し、実行ログとエラーメッセージを分析するフィードバックループを通じてコードを精査する。 このシステムは、ソフトウェア開発サイクルをスピードアップする上で、ソフトウェア開発者、アーキテクト、組織に利益をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-02-13T20:50:33Z)
• Cloud Platforms for Developing Generative AI Solutions: A Scoping Review of Tools and Services [0.27649989102029926]
  Generative AIは、機械がコンテンツ、コード、デザインを作成できるようにすることで、エンタープライズアプリケーション開発を変革している。 クラウドコンピューティングは、生成AIモデルをトレーニング、デプロイ、スケールするためのインフラストラクチャを提供することによって、これらのニーズに対処する。 このレビューでは、生成AIのためのクラウドサービスを調べ、Amazon Web Services(AWS)、Microsoft Azure、Google Cloud、IBM Cloud、Oracle Cloud、Alibaba Cloudといった主要なプロバイダに焦点を当てている。
  論文  参考訳（メタデータ） (2024-12-08T19:49:07Z)
• Demystifying Application Programming Interfaces (APIs): Unlocking the Power of Large Language Models and Other Web-based AI Services in Social Work Research [0.0]
  アプリケーションプログラミングインタフェース(API)は、大規模言語モデル(LLM)やその他のAIサービスといった高度な技術を活用することを目的とした、ソーシャルワーク研究者にとって不可欠なツールである。 本稿では、APIをデミステレーションし、研究方法論をいかに拡張できるかを説明する。 実際のコード例は、構造化されていないテキストからデータを抽出するなど、LLMが特別なサービスにアクセスするためのAPIコードを生成する方法を示している。
  論文  参考訳（メタデータ） (2024-10-26T16:07:12Z)
• Lightweight Syntactic API Usage Analysis with UCov [0.0]
  本稿では,ライブラリメンテナのAPIによるインタラクション理解を支援するための,新しい概念フレームワークを提案する。 これらのカスタマイズ可能なモデルにより、ライブラリメンテナはリリース前に設計を改善することができ、進化中の摩擦を減らすことができる。 我々は,これらのモデルを新しいツールUCovに実装し,多様なインタラクションスタイルを示す3つのライブラリ上でその能力を実証する。
  論文  参考訳（メタデータ） (2024-02-19T10:33:41Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• A Survey of Machine Unlearning [56.017968863854186]
  最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。 MLモデルは古いデータをよく記憶します。 機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
  論文  参考訳（メタデータ） (2022-09-06T08:51:53Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Simple Transparent Adversarial Examples [65.65977217108659]
  本研究は,ロバスト性を評価するための簡易な方法として,秘密の埋め込みと透明な敵の例を紹介した。 その結果、ハイリスクなアプリケーションにAPIが使用されるという深刻な脅威が生じる。
  論文  参考訳（メタデータ） (2021-05-20T11:54:26Z)
• Representation of Developer Expertise in Open Source Software [12.583969739954526]
  We use the World of Code infrastructure to extract the complete set of APIs in the file changed by the open source developer。 次に、API、開発者、プロジェクトのベクター表現にDoc2Vecの埋め込みを使用します。 これらの埋め込みがスキル空間の仮定トポロジを反映しているかどうかを評価する。
  論文  参考訳（メタデータ） (2020-05-20T16:36:07Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。