Fugu-MT 論文翻訳(概要): Building an AI-ready RSE Workforce

論文の概要: Building an AI-ready RSE Workforce

arxiv url: http://arxiv.org/abs/2111.04916v1
Date: Tue, 9 Nov 2021 02:36:24 GMT
ステータス: 処理完了
システム内更新日: 2021-11-10 21:49:42.289803
Title: Building an AI-ready RSE Workforce
Title（参考訳）: AI対応のRSEワークフォースの構築
Authors: Ying Zhang (1), Matthew A. Gitzendanner (1), Dan S. Maxwell (1), Justin W. Richardson (1), Kaleb E. Smith (2), Eric A. Stubbs (1), Brian J. Stucky (1), Jingchao Zhang (2), Erik Deumens (1) ((1) University of Florida, (2) NVIDIA)
Abstract要約: 機械学習とディープラーニングは、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されています。我々は、AIが研究ソフトウェア開発とエンジニアに提示した今日の課題と機会について、私たちの見解について議論する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artificial Intelligence has been transforming industries and academic research across the globe, and research software development is no exception. Machine learning and deep learning are being applied in every aspect of the research software development lifecycles, from new algorithm design paradigms to software development processes. In this paper, we discuss our views on today's challenges and opportunities that AI has presented on research software development and engineers, and the approaches we, at the University of Florida, are taking to prepare our workforce for the new era of AI.
Abstract（参考訳）: 人工知能は世界中の産業や学術研究に変化をもたらしており、研究ソフトウェア開発も例外ではない。機械学習とディープラーニングは、新しいアルゴリズム設計パラダイムからソフトウェア開発プロセスまで、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されている。本稿では,AIが研究ソフトウェア開発と技術者に提示した今日の課題と機会,そしてフロリダ大学における新たなAI時代の労働力を準備するためのアプローチについて論じる。

関連論文リスト

The Future of Software Engineering in an AI-Driven World [4.915744683251151]
今後5年間では、人間開発者とAIの共生的なパートナーシップが増加するだろう。私たちは、AI駆動の世界におけるソフトウェア開発の未来に関するビジョンを示し、このビジョンを実現するために研究コミュニティが取り組むべき重要な課題を探求します。
論文参考訳（メタデータ） (2024-06-11T21:46:19Z)
Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文参考訳（メタデータ） (2024-04-10T16:18:11Z)
Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文参考訳（メタデータ） (2023-12-21T19:23:23Z)
Generative Artificial Intelligence for Software Engineering -- A Research Agenda [8.685607624226037]
我々は、GenAI for Software Engineeringの研究アジェンダを開発するために、文献レビューと5ヶ月間のフォーカスグループを実施しました。この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。 GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。
論文参考訳（メタデータ） (2023-10-28T09:14:39Z)
AI in Software Engineering: A Survey on Project Management Applications [3.156791351998142]
機械学習(ML)はデータセットでトレーニングを行うアルゴリズムを採用しており、特定のタスクを自律的に実行することができる。 AIは、特にプロジェクト管理と計画において、ソフトウェアエンジニアリングの分野で大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-07-27T23:02:24Z)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文参考訳（メタデータ） (2022-08-18T16:41:22Z)
Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文参考訳（メタデータ） (2022-03-06T10:12:56Z)
Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文参考訳（メタデータ） (2021-11-27T00:55:21Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)

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。