論文の概要: StickyLand: Breaking the Linear Presentation of Computational Notebooks

• arxiv url: http://arxiv.org/abs/2202.11086v1
• Date: Tue, 22 Feb 2022 18:25:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 16:56:24.109872
• Title: StickyLand: Breaking the Linear Presentation of Computational Notebooks
• Title（参考訳）: StickyLand: 計算ノートの線形表示を破る
• Authors: Zijie J. Wang, Katie Dai, W. Keith Edwards
• Abstract要約: StickyLandはノートブックの拡張機能で、ユーザは自由にコードをリニアな方法で整理できる。 常に画面に表示される粘着性のあるセルを使えば、ユーザーはノートに素早くアクセスでき、実験結果をすぐに観察でき、インタラクティブなダッシュボードを簡単に構築できる。
• 参考スコア（独自算出の注目度）: 5.1175396458764855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How can we better organize code in computational notebooks? Notebooks have become a popular tool among data scientists, as they seamlessly weave text and code together, supporting users to rapidly iterate and document code experiments. However, it is often challenging to organize code in notebooks, partially because there is a mismatch between the linear presentation of code and the non-linear process of exploratory data analysis. We present StickyLand, a notebook extension for empowering users to freely organize their code in non-linear ways. With sticky cells that are always shown on the screen, users can quickly access their notes, instantly observe experiment results, and easily build interactive dashboards that support complex visual analytics. Case studies highlight how our tool can enhance notebook users's productivity and identify opportunities for future notebook designs. StickyLand is available at https://github.com/xiaohk/stickyland.
• Abstract（参考訳）: 計算ノートブックでどのようにコードを整理するか? ノートブックは、テキストとコードをシームレスに織り合わせ、ユーザがすばやく反復してコード実験を文書化するのをサポートすることで、データサイエンティストの間で人気のツールになっている。 しかし、コードの線形表現と探索的データ解析の非線形プロセスとの間にはミスマッチがあるため、ノートにコードを整理することはしばしば困難である。 我々は、ユーザがコードを非線形に自由に整理できるようにするためのノートブック拡張であるstickylandを提案する。 画面に常に表示されているスティッキーセルを使えば、ユーザーはノートに素早くアクセスでき、実験結果を即座に観察でき、複雑なビジュアル分析をサポートするインタラクティブなダッシュボードを簡単に構築できる。 ケーススタディは、我々のツールがノートブックユーザーの生産性を高め、将来のノートブックデザインの機会を特定する方法を強調している。 stickylandはhttps://github.com/xiaohk/stickylandで入手できる。

関連論文リスト

• Contextualized Data-Wrangling Code Generation in Computational Notebooks [131.26365849822932]
  我々は、マルチモーダルなコンテキスト依存を明確にしたデータラングリングコード生成例をマイニングするために、CoCoMineという自動アプローチを提案する。 コンテクスト化されたデータラングリングコード生成のための58,221のサンプルを含むデータセットであるCoCoNoteをNotebooksで構築する。 実験結果は、データラングリングコード生成にデータコンテキストを組み込むことの重要性を示す。
  論文  参考訳（メタデータ） (2024-09-20T14:49:51Z)
• Predicting the Understandability of Computational Notebooks through Code Metrics Analysis [0.5277756703318045]
  我々は、コード理解性に関連するユーザコメントを識別するために、微調整のDistilBERT変換器を使用している。 UOCU(User Opinion Code Understandability)と呼ばれる基準を確立しました。 私たちは、メトリクスのみに基づいてノートのコード理解可能性を予測するために、機械学習モデルを訓練しました。
  論文  参考訳（メタデータ） (2024-06-16T15:58:40Z)
• Notably Inaccessible -- Data Driven Understanding of Data Science Notebook (In)Accessibility [13.428631054625797]
  各種アクセシビリティ問題を特定するために,10000 Jupyter ノートの大規模システム解析を行った。 ノートのアーティファクトのアクセシビリティ向上,オーサリングプラクティスの提案,ノートブックのアクセス性向上のためのインフラストラクチャの変更を提案する。
  論文  参考訳（メタデータ） (2023-08-07T01:33:32Z)
• InterCode: Standardizing and Benchmarking Interactive Coding with Execution Feedback [50.725076393314964]
  標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。 私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。 我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
  論文  参考訳（メタデータ） (2023-06-26T17:59:50Z)
• LongCoder: A Long-Range Pre-trained Language Model for Code Completion [56.813974784131624]
  LongCoderは自己アテンションにスライディングウィンドウ機構を採用し、グローバルアクセス可能なトークンを2種類導入している。 ブリッジトークンは入力シーケンス全体を通して挿入され、ローカル情報を集約し、グローバルな相互作用を促進する。 メモリトークンは、後で呼び出され、記憶する必要がある重要なステートメントをハイライトするために含まれます。
  論文  参考訳（メタデータ） (2023-06-26T17:59:24Z)
• SuperNOVA: Design Strategies and Opportunities for Interactive Visualization in Computational Notebooks [34.04783941358773]
  ノートブックの対話型可視化ツール163について分析する。 重要な設計上の意味とトレードオフを特定します。 我々は、研究者が既存のノートブック視覚化ツールを探索するのに役立つオープンソースのインタラクティブブラウザであるSuperNOVAを開発した。
  論文  参考訳（メタデータ） (2023-05-04T17:57:54Z)
• STUNT: Few-shot Tabular Learning with Self-generated Tasks from Unlabeled Tables [64.0903766169603]
  我々は,Unlabeled Tables (STUNT) からの自己生成タスクを作成した,数発のセミ教師付き学習のためのフレームワークを提案する。 私たちのキーとなるアイデアは、ランダムに選択された列をターゲットラベルとして扱うことで、多様なショットタスクを自己生成することです。 次に、メタラーニング手法を用いて、構築されたタスクで一般化可能な知識を学習する。
  論文  参考訳（メタデータ） (2023-03-02T02:37:54Z)
• MONAI Label: A framework for AI-assisted Interactive Labeling of 3D Medical Images [49.664220687980006]
  注釈付きデータセットの欠如は、タスク固有の教師付き機械学習モデルをトレーニングする上で、大きなボトルネックとなる。 本稿では,人工知能(AI)モデルに基づくアプリケーション開発を支援する,フリーかつオープンソースなフレームワークであるmonAI Labelを紹介する。
  論文  参考訳（メタデータ） (2022-03-23T12:33:11Z)
• HAConvGNN: Hierarchical Attention Based Convolutional Graph Neural Network for Code Documentation Generation in Jupyter Notebooks [33.37494243822309]
  Seq2Seqネットワークを強化するための階層型注意ベースのConvGNNコンポーネントを提案する。 Kaggleノートブックでデータセットを構築し、モデル(HAConvGNN)をベースラインモデルに対して評価します。
  論文  参考訳（メタデータ） (2021-03-31T22:36:41Z)
• SLADE: A Self-Training Framework For Distance Metric Learning [75.54078592084217]
  我々は、追加のラベルのないデータを活用することで、検索性能を向上させるための自己学習フレームワークSLADEを提案する。 まず、ラベル付きデータに基づいて教師モデルをトレーニングし、ラベルなしデータに対して擬似ラベルを生成する。 次に、最終機能埋め込みを生成するために、ラベルと擬似ラベルの両方で学生モデルをトレーニングします。
  論文  参考訳（メタデータ） (2020-11-20T08:26:10Z)
• ReproduceMeGit: A Visualization Tool for Analyzing Reproducibility of Jupyter Notebooks [0.0]
  本稿では、Jupyter NotebooksのGitHubを分析する可視化ツールであるReproduceMeGitを紹介する。 このツールは、再現可能なノートブックの数、例外となったノートブック数、オリジナルのノートブックと異なる結果を得たノートブック数などの情報を提供する。
  論文  参考訳（メタデータ） (2020-06-22T10:05:52Z)

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。