論文の概要: Programming for All: Understanding the Nature of Programs
- arxiv url: http://arxiv.org/abs/2111.04887v2
- Date: Sat, 4 Dec 2021 17:42:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 18:19:36.590065
- Title: Programming for All: Understanding the Nature of Programs
- Title（参考訳）: プログラミングのすべて: プログラムの本質を理解する
- Authors: Andrej Brodnik, Andrew Csizmadia, Gerald Futschek, Lidija Kralj,
Violetta Lonati, Peter Micheuz, Mattia Monga
- Abstract要約: プログラムの自然を知識ステートメントの形で記述する。
すべてが分かりやすい方法で定式化され、曖昧な技術的言語を避けます。
プログラムの本質を学び、経験するための素晴らしい方法は、自分自身でプログラムを開発することです。
- 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: Computer programs are part of our daily life, we use them, we provide them
with data, they support our decisions, they help us remember, they control
machines, etc. Programs are made by people, but in most cases we are not their
authors, so we have to decide if we can trust them. Programs enable computers
and computer-controlled machines to behave in a large variety of ways. They
bring the intrinsic power of computers to life. Programs have a variety of
properties that all citizens must be aware of. Due to the intangible nature of
programs, most of these properties are very unusual, but important to
understand the digital world. In this position paper, we describe the Nature of
Programs in the form of knowledge statements, accompanied by examples from
everyday life to clarify their meaning. Everything is formulated in an easily
understandable manner and avoids obscure technical language. We suggest that
these knowledge statements must be imparted to all teachers and school
students.
A great way to learn and experience the nature of programs is to develop
programs yourself.
- Abstract（参考訳）: コンピュータプログラムは私たちの日常生活の一部であり、それを使い、データを提供し、私たちの決定をサポートし、私たちを思い出し、マシンを制御します。
プログラムは人々によって作られていますが、ほとんどの場合、私たちは著者ではありません。
プログラムによって、コンピュータとコンピュータ制御マシンは様々な方法で振る舞うことができる。
彼らはコンピュータの本質的な力を生かしている。
プログラムには、すべての市民が認識しなければならない様々な特性がある。
プログラムの無形の性質から、これらの性質のほとんどは非常に珍しいが、デジタル世界を理解するために重要である。
本稿では,プログラムの性質をナレッジステートメントとして記述し,その意味を明らかにするために日常生活の事例を紹介する。
すべてを分かりやすい方法で定式化し、あいまいな技術的言語を避ける。
これらの知識記述はすべての教師と生徒に付与されるべきである。
プログラムの性質を学び、経験する素晴らしい方法は、自分でプログラムを開発することです。
関連論文リスト
- Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。
我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。
Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
論文 参考訳（メタデータ） (2023-09-19T17:54:21Z) - Learning to Model the World with Language [100.76069091703505]
人間と対話し、世界で行動するためには、エージェントは人々が使用する言語の範囲を理解し、それを視覚の世界に関連付ける必要がある。
私たちのキーとなるアイデアは、エージェントが将来を予測するのに役立つ信号として、このような多様な言語を解釈すべきである、ということです。
我々は、将来のテキストや画像表現を予測するマルチモーダル世界モデルを学ぶエージェントであるDynalangでこれをインスタンス化する。
論文 参考訳（メタデータ） (2023-07-31T17:57:49Z) - WikiCoder: Learning to Write Knowledge-Powered Code [0.0]
本稿では,知識を活用したプログラム合成に向けて第一歩を踏み出す。
WikiCoderは、機械学習型プログラムシンセサイザーの状態に基づいて構築され、知識グラフを統合するシステムである。
論文 参考訳（メタデータ） (2023-03-15T12:50:54Z) - What is it like to program with artificial intelligence? [10.343988028594612]
大規模言語モデルは、自然言語で表される様々な問題を解決するためにコードを生成することができる。
この技術はすでに、少なくとも1つの広く使用されているプログラミングエディタ拡張、GitHub Copilotで商用化されている。
我々は,大規模言語モデル(LLM支援プログラミング)を用いたプログラミングが,プログラマ支援の事前概念化とどのように似ており,異なるのかを考察する。
論文 参考訳（メタデータ） (2022-08-12T10:48:46Z) - Deep Reinforcement Learning, a textbook [0.0]
本書は、深層強化学習の分野を概観する。
人工知能の大学院生や、研究者や実践者のために書かれた。
深層強化学習の基礎,アルゴリズム,応用について述べる。
論文 参考訳（メタデータ） (2022-01-04T11:47:21Z) - ProTo: Program-Guided Transformer for Program-Guided Tasks [59.34258016795216]
我々は,学習者が与えられたタスク仕様に基づいて所定のプログラムを実行することを要求されるプログラム誘導タスクを定式化する。
本稿では,プログラムの意味的ガイダンスと構造的ガイダンスを統合したProTo(Proto)を提案する。
ProToは学習された潜在空間でプログラムを実行し、従来のニューラルシンボリックアプローチよりも強力な表現能力を持っている。
論文 参考訳（メタデータ） (2021-10-02T13:46:32Z) - New Evolutionary Computation Models and their Applications to Machine
Learning [0.0]
ハードウェアのスピードと能力は指数関数的に増加しているが、ソフトウェアは何年も遅れている。
ソフトウェアに対する需要も大幅に増加したが、それでも古い方法で書かれている。
人間に支払うのは費用がかかるし、長く満足させるのは難しいし、教えたり訓練するのに多くの時間がかかるし、生産の質も低いことが多い。
論文 参考訳（メタデータ） (2021-10-01T15:03:03Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - Neurocoder: Learning General-Purpose Computation Using Stored Neural
Programs [64.56890245622822]
ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。
共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。
モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
論文 参考訳（メタデータ） (2020-09-24T01:39:16Z) - An Experience of Introducing Primary School Children to Programming
using Ozobots (Practical Report) [10.213226970992666]
最近のトレンドは、小学校レベルではすでに非常に早い段階で基本的なプログラミングの概念を導入することです。
学校や教師は、装備や訓練が適切に行われておらず、コンピュータ上でのプログラム作成から「プラグされていない」活動に移行する最良の方法は、依然としてオープンな議論である。
我々は,Ozobotロボットを用いたプログラミング概念に子どもを導入する際に,地元の小学校を支援すべく,小さなインターリーグプロジェクトを行った経験について述べる。
論文 参考訳（メタデータ） (2020-08-28T07:36:07Z) - The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。
まず、ILASPの学習フレームワークとその機能の概要を説明します。
続いて、ILASPシステムの進化を概観する。
論文 参考訳（メタデータ） (2020-05-02T19:04:12Z)
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。