論文の概要: Open-source Tools for Training Resources -- OTTR

• arxiv url: http://arxiv.org/abs/2203.07083v1
• Date: Thu, 10 Mar 2022 13:44:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:37:37.057978
• Title: Open-source Tools for Training Resources -- OTTR
• Title（参考訳）: トレーニングリソースのためのオープンソースツールOTTR
• Authors: Candace Savonen, Carrie Wright, Ava M. Hoffman, John Muschelli, Katherine Cox, Frederick J. Tan, Jeffrey T. Leek
• Abstract要約: トレーニングリソースは、資金提供によってメンテナンスが優先されないため、非推奨になることが多い。 我々のグループは、オンラインコースコンテンツの作成とメンテナンスの効率と柔軟性を高めるために、オープンソースのトレーニングリソースツール(OTTR)を開発しました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data science and informatics tools are developing at a blistering rate, but their users often lack the educational background or resources to efficiently apply the methods to their research. Training resources often deprecate because their maintenance is not prioritized by funding, giving teams little time to devote to such endeavors. Our group has developed Open-source Tools for Training Resources (OTTR) to offer greater efficiency and flexibility for creating and maintaining online course content. OTTR empowers creators to customize their work and allows for a simple workflow to publish using multiple platforms. OTTR allows content creators to publish material to multiple massive online learner communities using familiar rendering mechanics. OTTR allows the incorporation of pedagogical practices like formative and summative assessments in the form of multiple choice questions and fill in the blank problems that are automatically graded. No local installation of any software is required to begin creating content with OTTR. Thus far, 15 courses have been created with OTTR repository template. By using the OTTR system, the maintenance workload for updating these courses across platforms has been drastically reduced.
• Abstract（参考訳）: データサイエンスとインフォマティクスツールは絶大なペースで開発されているが、利用者は研究に効率的に手法を適用するための教育的背景やリソースを欠いていることが多い。 トレーニングリソースは、資金提供によってメンテナンスが優先されないため、非推奨になることが多い。 我々のグループは、オンラインコースコンテンツの作成とメンテナンスの効率と柔軟性を高めるために、オープンソースのトレーニングリソースツール(OTTR)を開発しました。 OTTRにより、クリエイターは自分の作品をカスタマイズでき、複数のプラットフォームを使ってシンプルなワークフローを公開できる。 OTTRは、コンテンツクリエーターが慣れ親しんだレンダリング機構を使用して、複数の巨大なオンライン学習コミュニティに資料を公開することを可能にする。 ottrは、複数の選択質問の形式で形式的および要約的評価のような教育的実践を取り入れ、自動的に分類される空白問題を埋めることができる。 OTTRでコンテンツの作成を開始するためには、ソフトウェアをローカルにインストールする必要はない。 これまでのところ、ottrリポジトリテンプレートで15のコースが作成されている。 OTTRシステムを使用することで、これらのコースをプラットフォーム間で更新するメンテナンス作業が大幅に削減された。

関連論文リスト

• OpenR: An Open Source Framework for Advanced Reasoning with Large Language Models [61.14336781917986]
  大規模言語モデル(LLM)の推論能力を高めるためのオープンソースのフレームワークであるOpenRを紹介する。 OpenRは、データ取得、強化学習トレーニング、非自己回帰デコーディングを凝集性ソフトウェアプラットフォームに統合する。 私たちの研究は、OpenAIのo1モデルのコア技術と強化学習を探求する、オープンソースのフレームワークを初めて提供するものです。
  論文  参考訳（メタデータ） (2024-10-12T23:42:16Z)
• EduNLP: Towards a Unified and Modularized Library for Educational Resources [78.8523961816045]
  我々はEduNLPという,統一された,モジュール化された,広範なライブラリを紹介し,教育資源の理解に焦点をあてる。 このライブラリでは、ワークフロー全体を4つのキーモジュールに分離し、データ構成、処理、モデル実装、モデル評価など、一貫したインターフェースを提供します。 現在のバージョンでは、主に4つのカテゴリから10の典型的なモデルを提供し、教育領域における5つのダウンストリーム評価タスクを、ユーザの使用に対して8つの被験者に提供します。
  論文  参考訳（メタデータ） (2024-06-03T12:45:40Z)
• An Advanced Reinforcement Learning Framework for Online Scheduling of Deferrable Workloads in Cloud Computing [37.457951933256055]
  クラウド上でのdeferrableジョブのためのtextitOnline Scheduling(OSDEC)と呼ばれるオンラインのdeferrableジョブスケジューリング手法を提案する。 提案手法は,高資源利用率を維持しつつ,デプロイメントスケジュールを適切に計画し,ユーザの待ち時間を短縮することができる。
  論文  参考訳（メタデータ） (2024-06-03T06:55:26Z)
• LocalRQA: From Generating Data to Locally Training, Testing, and Deploying Retrieval-Augmented QA Systems [22.90963783300522]
  LocalRQAは、研究者と開発者がモデルトレーニング、テスト、デプロイメントプロセスをカスタマイズできるオープンソースのツールキットである。 DatabricksとFaireのWebサイトから得られたオンラインドキュメントを使ってシステムを構築します。 OpenAIのtext-adaやGPT-4 QAT-4と比較すると,LocalRQAを用いてトレーニングし,デプロイした7Bモデルと同等の性能を示した。
  論文  参考訳（メタデータ） (2024-03-01T21:10:20Z)
• Lessons from Building StackSpot AI: A Contextualized AI Coding Assistant [2.268415020650315]
  大規模言語モデル上に構築された新しいタイプのツールが登場しつつある。 これらのツールは、微調整やコンテキスト情報によるユーザプロンプトの強化といった手法を用いて、欠点を軽減することを目的としている。
  論文  参考訳（メタデータ） (2023-11-30T10:51:26Z)
• Learnability with Time-Sharing Computational Resource Concerns [65.268245109828]
  本稿では,学習理論における計算資源の影響を考慮した理論的枠組みを提案する。 このフレームワークは、入ってくるデータストリームが潜在的に無限であるようなストリーム学習に自然に適用できる。 これはまた、インテリジェントなスーパーコンピュータオペレーティングシステムの設計に対する理論的視点を提供するかもしれない。
  論文  参考訳（メタデータ） (2023-05-03T15:54:23Z)
• A Survey of Learning-based Automated Program Repair [12.09968472868107]
  自動プログラム修復(APR)は、ソフトウェアバグを自動修正することを目的としており、ソフトウェア開発とメンテナンスにおいて重要な役割を果たす。 近年のディープラーニング(DL)の進歩により、ニューラルネットワークを活用して大規模なオープンソースコードリポジトリからバグフィックスパターンを学ぶためのAPR技術が増えている。 本稿では,学習型APRコミュニティにおける最先端研究を要約するために,体系的な調査を行う。
  論文  参考訳（メタデータ） (2023-01-09T11:08:15Z)
• Pre-Training for Robots: Offline RL Enables Learning New Tasks from a Handful of Trials [97.95400776235736]
  新しいタスクを効果的に学習しようとするオフラインRLに基づくフレームワークを提案する。 既存のロボットデータセットの事前トレーニングと、新しいタスクの迅速な微調整と、最大10のデモを組み合わせたものだ。 我々の知る限り、PTRは本物のWidowXロボットで新しいドメインで新しいタスクを学習する最初のRL手法である。
  論文  参考訳（メタデータ） (2022-10-11T06:30:53Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• Bayesian active learning for production, a systematic study and a reusable library [85.32971950095742]
  本稿では,現在のアクティブラーニング技術の主な欠点について分析する。 実世界のデータセットの最も一般的な課題が深層能動学習プロセスに与える影響について,系統的研究を行った。 部分的不確実性サンプリングやより大きいクエリサイズといった,アクティブな学習ループを高速化する2つの手法を導出する。
  論文  参考訳（メタデータ） (2020-06-17T14:51:11Z)

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。