論文の概要: Intelligent Software Tooling for Improving Software Development
- arxiv url: http://arxiv.org/abs/2310.10921v1
- Date: Tue, 17 Oct 2023 01:29:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 18:15:17.725111
- Title: Intelligent Software Tooling for Improving Software Development
- Title(参考訳): ソフトウェア開発を改善するための知的ソフトウェアツール
- Authors: Nathan Cooper
- Abstract要約: ディープラーニング(DL)は、ソフトウェア開発プロセスを含む多くの領域において、自動化の大幅な進歩を示しています。
この成功の主な理由は、GitHub経由で利用可能なオープンソースコードや、トレーニング対象とするRICOとReDRAWを備えたモバイルグラフィカルユーザインタフェース(GUI)の画像データセットなど、大規模なデータセットが利用可能であることだ。
- 参考スコア(独自算出の注目度): 3.1763879286782966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software has eaten the world with many of the necessities and quality of life
services people use requiring software. Therefore, tools that improve the
software development experience can have a significant impact on the world such
as generating code and test cases, detecting bugs, question and answering,
etc., The success of Deep Learning (DL) over the past decade has shown huge
advancements in automation across many domains, including Software Development
processes. One of the main reasons behind this success is the availability of
large datasets such as open-source code available through GitHub or image
datasets of mobile Graphical User Interfaces (GUIs) with RICO and ReDRAW to be
trained on. Therefore, the central research question my dissertation explores
is: In what ways can the software development process be improved through
leveraging DL techniques on the vast amounts of unstructured software
engineering artifacts?
- Abstract(参考訳): ソフトウェアは、人々がソフトウェアを必要とする生活サービスに必要なものや品質で世界を食べてきた。
したがって、ソフトウェア開発エクスペリエンスを改善するツールは、コードやテストケースの生成、バグの検出、質問と回答、過去10年間のディープラーニング(DL)の成功など、世界に大きな影響を与える可能性がある。
この成功の主な理由は、GitHub経由で利用可能なオープンソースコードや、トレーニング対象とするRICOとReDRAWを備えたモバイルグラフィカルユーザインタフェース(GUI)の画像データセットなど、大規模なデータセットが利用可能であることだ。
したがって、私の論説では、中心的な研究課題は以下のとおりである。 膨大な量の非構造化ソフトウェアエンジニアリング成果物に対してDL技術を活用することによって、ソフトウェア開発プロセスを改善するにはどうすればよいのか?
関連論文リスト
- Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳(メタデータ) (2023-09-17T08:56:36Z) - SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
SoTaNaはオープンソースのソフトウェア開発アシスタントだ。
ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。
オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
論文 参考訳(メタデータ) (2023-08-25T14:56:21Z) - Communicative Agents for Software Development [79.86905471184195]
ChatDevはチャットを利用した仮想ソフトウェア開発会社で、確立したウォーターフォールモデルを反映している。
各ステージは、プログラマ、コードレビュアー、テストエンジニアといった"ソフトウェアエージェント"のチームが参加し、協調的な対話を促進する。
ChatDevは潜在的な脆弱性を特定し、信頼できる効率とコスト効率を維持しながら幻覚を正す。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳(メタデータ) (2023-05-08T15:24:23Z) - Machine Learning Based Approach to Recommend MITRE ATT&CK Framework for
Software Requirements and Design Specifications [0.0]
セキュアなソフトウェアを開発するためには、ソフトウェアリポジトリをマイニングすることで、ソフトウェア開発者は攻撃者のように考える必要がある。
本稿では,機械学習アルゴリズムを用いて要求をMITRE ATT&CKデータベースにマッピングする。
論文 参考訳(メタデータ) (2023-02-10T22:15:45Z) - End-of-Life of Software How is it Defined and Managed? [1.370633147306388]
古いソフトウェアを捨てて、急速に変化するニーズと要求を満たす新しいソフトウェアを取得するのは、より迅速かつ安価になってきている。
本稿では,ソフトウェアにおけるエンド・オブ・ライフのシステム工学的概念について考察する。
廃止を試みて放棄されたソフトウェアの例を先送りし、放棄されたソフトウェアアーティファクトの反感を探求する。
論文 参考訳(メタデータ) (2022-04-08T01:15:02Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳(メタデータ) (2021-07-15T11:14:03Z) - Software Effort Estimation using parameter tuned Models [1.9336815376402716]
見積もりの正確さは、プロジェクトの失敗の理由です。
ソフトウェア業界の最大の落とし穴は、ソフトウェア開発の急速に変化する性質であった。
ソフトウェア製品の開発コストを正確に予測する有用なモデルの開発が必要です。
論文 参考訳(メタデータ) (2020-08-25T15:18:59Z) - 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。
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。