論文の概要: Reflections on the Evolution of Computer Science Education

• arxiv url: http://arxiv.org/abs/2208.04713v1
• Date: Sat, 9 Jul 2022 07:07:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:28:01.860720
• Title: Reflections on the Evolution of Computer Science Education
• Title（参考訳）: コンピュータサイエンス教育の進化に関する考察
• Authors: Sreekrishnan Venkateswaran
• Abstract要約: 約10年前までは、計算理論、アルゴリズム設計、システムソフトウェアがキュリキュラを支配していた。 このコラムは、トピックのスコアにまたがる選択科目が主流の教育の一部になると、これがCirca 2010を変えた理由を分析します。 この経験的な記事の目標は、コンピュータサイエンス教育の過去と未来について活発な議論を巻き起こすことだ。
• 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 Science education has been evolving over the years to reflect applied realities. Until about a decade ago, theory of computation, algorithm design and system software dominated the curricula. Most courses were considered core and were hence mandatory; the programme structure did not allow much of a choice or variety. This column analyses why this changed Circa 2010 when elective subjects across scores of topics become part of mainstream education to reflect the on-going lateral acceleration of Computer Science. Fundamental discoveries in artificial intelligence, machine learning, virtualization and cloud computing are several decades old. Many core theories in data science are centuries old. Yet their leverage exploded only after Circa 2010, when the stage got set for people-centric problem solving in massive scale. This was due in part to the rush of innovative real-world applications that reached the common man through the ubiquitous smart phone. AI/ML modules arrived in popular programming languages; they could be used to build and train models on powerful - yet affordable - compute on public clouds reachable through high-speed Internet connectivity. Academia responded by adapting Computer Science curricula to align it with the changing technology landscape. The goal of this experiential piece is to trigger a lively discussion on the past and future of Computer Science education.
• Abstract（参考訳）: コンピュータサイエンス教育は応用現実を反映するために長年進化してきた。 約10年前までは、計算理論、アルゴリズム設計、システムソフトウェアがカリキュラムを支配していた。 ほとんどのコースは中核的と見なされ、それゆえ必須であり、プログラム構造は選択やバリエーションのほとんどを許さなかった。 このコラムは、コンピュータ科学の現在進行中の側方加速を反映して、トピックのスコアにまたがる選択科目がメインストリームの教育の一部になる2010年頃に変化した理由を分析した。 人工知能、機械学習、仮想化、クラウドコンピューティングの基本的な発見は数十年前からある。 データサイエンスにおける多くの中核的な理論は、何世紀にもわたって遡る。 しかし、彼らのレバレッジは2010年ごろに爆発し、大規模な問題解決に向けてステージが設定された。 これは、ユビキタスなスマートフォンを通じて一般大衆に届けられた革新的な現実世界のアプリケーションの急増によるものだ。 AI/MLモジュールはポピュラーなプログラミング言語に到達した — 高速インターネット接続を通じて、パブリッククラウドに到達可能な、パワフルで安価な計算モデルの構築とトレーニングに使用できる。 アカデミアはコンピュータサイエンスのカリキュラムに適応して、変化するテクノロジーの展望に合わせることで対応した。 この実験的な作品の目的は、コンピュータサイエンス教育の過去と未来について活発に議論することである。

関連論文リスト

• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• The QUATRO Application Suite: Quantum Computing for Models of Human Cognition [49.038807589598285]
  量子コンピューティング研究のための新しい種類のアプリケーション -- 計算認知モデリング -- をアンロックします。 我々は、認知モデルから量子コンピューティングアプリケーションのコレクションであるQUATROをリリースする。
  論文  参考訳（メタデータ） (2023-09-01T17:34:53Z)
• Redefining Computer Science Education: Code-Centric to Natural Language Programming with AI-Based No-Code Platforms [0.0]
  本稿では,プログラミングの領域における人間とコンピュータの進化的関係について述べる。 AIベースのノーコードプラットフォームの出現は、このダイナミクスに革命をもたらしている。 教育者として、この新しいダイナミクスをカリキュラムに統合することは必須です。
  論文  参考訳（メタデータ） (2023-08-19T02:44:35Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• 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)
• Intelligent Computing: The Latest Advances, Challenges and Future [42.996665904233375]
  インテリジェントコンピューティングは、従来のコンピューティングを再構築する新しいコンピューティングパラダイムである。 知的コンピューティングに関する文献を総合的に紹介する。 理論の基本、知性とコンピューティングの技術的融合、重要な応用、課題、将来の展望をカバーしている。
  論文  参考訳（メタデータ） (2022-11-21T09:15:13Z)
• Physical Computing for Materials Acceleration Platforms [81.09376948478891]
  我々は、MAPs研究プログラムの一環として、新しい素材の探索を加速する同じシミュレーションとAIツールが、根本的に新しいコンピュータ媒体の設計を可能にすると論じている。 シミュレーションに基づくMAPプログラムの概要を述べる。 我々は、材料研究者と計算機科学者の革新的なコラボレーションの新たな時代を導入することを期待している。
  論文  参考訳（メタデータ） (2022-08-17T23:03:54Z)
• Towards Systems Education for Artificial Intelligence: A Course Practice in Intelligent Computing Architectures [6.440694188229122]
  このコースは、FPGAプラットフォーム上でAIアクセラレータを設計する学生に教えることを目的としている。 講座内容は講義ノート及び関連技術資料を含む。 いくつかの教育経験と効果が議論され、将来の可能性も議論されている。
  論文  参考訳（メタデータ） (2022-06-22T11:48:04Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Computer-Aided Personalized Education [15.811740322935476]
  過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。 大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。 計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
  論文  参考訳（メタデータ） (2020-07-07T18:00:04Z)
• Memristors -- from In-memory computing, Deep Learning Acceleration, Spiking Neural Networks, to the Future of Neuromorphic and Bio-inspired Computing [25.16076541420544]
  機械学習は、特にディープラーニングの形で、人工知能の最近の基本的な発展のほとんどを駆動している。 ディープラーニングは、オブジェクト/パターン認識、音声と自然言語処理、自動運転車、インテリジェントな自己診断ツール、自律ロボット、知識に富んだパーソナルアシスタント、監視といった分野に成功している。 本稿では、電力効率の高いインメモリコンピューティング、ディープラーニングアクセラレーター、スパイクニューラルネットワークの実装のための潜在的なソリューションとして、CMOSハードウェア技術、memristorsを超越した小説をレビューする。
  論文  参考訳（メタデータ） (2020-04-30T16:49:03Z)

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。