論文の概要: Using Containers to Create More Interactive Online Training and Education Materials

• arxiv url: http://arxiv.org/abs/2005.07252v2
• Date: Mon, 18 May 2020 13:08:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 05:10:57.786814
• Title: Using Containers to Create More Interactive Online Training and Education Materials
• Title（参考訳）: コンテナを使ってよりインタラクティブなオンライン教育教材を作る
• Authors: Brandon Barker and Susan Mehringer
• Abstract要約: コンテナベースのインタラクティブな学習は、学習者のエンゲージメントと成果を高める可能性がある。 Cornell Container Runner Serviceにより、オンラインコンテンツ開発者は、コンテナベースのインタラクティブな編集とコマンドのWebページへの直接実行が可能になる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Containers are excellent hands-on learning environments for computing topics because they are customizable, portable, and reproducible. The Cornell University Center for Advanced Computing has developed the Cornell Virtual Workshop in high performance computing topics for many years, and we have always sought to make the materials as rich and interactive as possible. Toward the goal of building a more hands-on experimental learning experience directly into web-based online training environments, we developed the Cornell Container Runner Service, which allows online content developers to build container-based interactive edit and run commands directly into their web pages. Using containers along with CCRS has the potential to increase learner engagement and outcomes.
• Abstract（参考訳）: コンテナはカスタマイズ可能で、ポータブルで、再現性があるので、コンピューティングトピックのためのハンズオン学習環境として優れています。 Cornell University Center for Advanced Computing は、高性能コンピューティングに関するコーネル仮想ワークショップを長年にわたって開発してきました。 webベースのオンライントレーニング環境に直接、よりハンズオンで実験的な学習体験を構築することを目標として、オンラインコンテンツ開発者がコンテナベースのインタラクティブな編集と実行コマンドをwebページに直接組み込むことができるcornell container runnerサービスを開発した。 コンテナとCCRSを使用することで、学習者のエンゲージメントと成果が向上する可能性がある。

関連論文リスト

• From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
  MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。 中国一の大学である清華大学で予備的な実験を行う。
  論文  参考訳（メタデータ） (2024-09-05T13:22:51Z)
• Empowering Learning: Standalone, Browser-Only Courses for Seamless Education [0.0]
  概念実証型オープンソースMOOC配信システムであるPyGlideを紹介する。 PyGlideのユーザフレンドリーなステップバイステップガイドを提供する。 PyGlideの実用的なアプリケーションをGitHubの継続的インテグレーションパイプラインで紹介します。
  論文  参考訳（メタデータ） (2023-11-12T20:59:52Z)
• Arena-Web -- A Web-based Development and Benchmarking Platform for Autonomous Navigation Approaches [2.4937400423177767]
  本稿では,DRL ベースのナビゲーションプランナの開発,トレーニング,テストを行う Web ベースの開発・評価スイートである Arena-Web を紹介する。 インターフェースは直感的で、非専門家にアピールし、テクノロジーを広く利用できるようにするように設計されている。
  論文  参考訳（メタデータ） (2023-02-06T16:06:07Z)
• GriddlyJS: A Web IDE for Reinforcement Learning [7.704064306361941]
  GriddlyエンジンをベースとしたWebベースの統合開発環境(IDE)であるGriddlyJSを紹介します。 GriddlyJSは、任意の複雑なPCGグリッドワールド環境を視覚的に設計し、デバッグすることを可能にする。 RLワークフローをモダンなWeb標準によって実現された高度な機能に接続することで、GriddlyJSはインタラクティブなエージェント環境のデモを公開することができる。
  論文  参考訳（メタデータ） (2022-07-13T10:26:38Z)
• ElegantRL-Podracer: Scalable and Elastic Library for Cloud-Native Deep Reinforcement Learning [141.58588761593955]
  クラウドネイティブな深層強化学習のためのライブラリElegantRL-podracerを提案する。 数百万のコアを効率的にサポートし、複数のレベルで大規模な並列トレーニングを実行する。 低レベルでは、各ポッドは1つのGPUで7,000近いGPUコアをフル活用することで、エージェントと環境のインタラクションを並列にシミュレートする。
  論文  参考訳（メタデータ） (2021-12-11T06:31:21Z)
• Scalable Learning Environments for Teaching Cybersecurity Hands-on [0.4893345190925178]
  本稿では,対話型学習環境を用いたサイバーセキュリティハンズオン授業のスケーラブル化のための技術革新について述べる。 我々は,サイバーセキュリティの授業を大規模に展開する学習環境の設計と利用における研究の取り組みと実践経験について述べる。
  論文  参考訳（メタデータ） (2021-10-19T14:18:54Z)
• Adversarial Environment Generation for Learning to Navigate the Web [107.99759923626242]
  Webナビゲーションエージェントのトレーニングのボトルネックの1つは、トレーニング環境の学習可能なカリキュラムを提供することです。 AEG(Adversarial Environment Generation)を使用して、強化学習(RL)エージェントを訓練する困難なWeb環境を生成することを提案する。 提案するフレキシブルb-PAIRED技術を用いて訓練したナビゲータエージェントは,競争力のある自動カリキュラム生成ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-03-02T19:19:30Z)
• Wandering Within a World: Online Contextualized Few-Shot Learning [62.28521610606054]
  我々は、数ショット学習の標準フレームワークをオンライン環境に拡張することで、一般的な人間と機械学習環境のギャップを埋めることを目指している。 本研究では,世界中をさまようエージェントの視覚体験を模倣した大規模な屋内画像に基づく,新しいプロトタイプによる数ショット学習を提案する。
  論文  参考訳（メタデータ） (2020-07-09T04:05:04Z)
• A Large-Scale, Open-Domain, Mixed-Interface Dialogue-Based ITS for STEM [84.60813413413402]
  Korbitは、大規模な、オープンドメイン、複合インターフェース、対話ベースのインテリジェントチューリングシステム(ITS)である。 機械学習、自然言語処理、強化学習を利用して、インタラクティブでパーソナライズされた学習をオンラインで提供する。 他のITSとは異なり、教師はKorbitの新しい学習モジュールを数時間で開発することができる。
  論文  参考訳（メタデータ） (2020-05-06T02:45:43Z)
• Knowledge-guided Deep Reinforcement Learning for Interactive Recommendation [49.32287384774351]
  インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。 本稿では,知識指導型深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-04-17T05:26:47Z)

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。