Fugu-MT 論文翻訳(概要): Creation of a CS1 Course with Modern C++ Principles

論文の概要: Creation of a CS1 Course with Modern C++ Principles

arxiv url: http://arxiv.org/abs/2311.07807v1
Date: Mon, 13 Nov 2023 23:43:38 GMT
ステータス: 処理完了
システム内更新日: 2023-11-15 15:52:28.950837
Title: Creation of a CS1 Course with Modern C++ Principles
Title（参考訳）: 最新のC++原則によるCS1コースの作成
Authors: Ryan E. Dougherty
Abstract要約: このポスターには、C++プログラミング言語を使用したCS1コースの設計の経験が含まれている。私たちの目標は、C++プログラマの間でよく見られる悪い習慣を避けることです。
参考スコア（独自算出の注目度）: 0.30458514384586394
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Best practices in programming need to be emphasized in a CS1 course as bad student habits persist if not reinforced well. The C++ programming language, although a relatively old language, has been regularly updated with new versions since 2011, on the pace of once every three years. Each new version contains important features that make the C++ language more complex for backwards compatibility, but often introduce new features to make common use cases simpler to implement. This poster contains experiences in designing a CS1 course that uses the C++ programming language that incorporates ``modern'' versions of the language from the start, as well as recent conferences about the language. Our goals were to prevent many common bad habits among C++ programmers.
Abstract（参考訳）: プログラミングのベストプラクティスはCS1コースで強調する必要がある。 c++言語は比較的古い言語だが、2011年から3年に1回ペースで、新しいバージョンで定期的に更新されている。それぞれの新バージョンには、後方互換性のためにC++言語をより複雑にする重要な機能が含まれている。このポスターにはcs1コースの設計の経験が含まれており、当初から'modern''バージョンの言語を組み込んだc++言語と、言語に関する最近のカンファレンスを使っている。私たちの目標は、c++プログラマの間でよく見られる悪習を防ぐことです。

関連論文リスト

Compilation Quotient (CQ): A Metric for the Compilation Hardness of Programming Languages [5.964023099122235]
プログラミング言語の複雑さの重要な側面は、プログラムのコンパイルがいかに難しいかである。コンパイルの難易度を定量化する指標であるコンパイル商(CQ)を導入する。 Cは48.11、C++は0.60、Javaは0.27、Haskellは0.13である。
論文参考訳（メタデータ） (2024-06-07T09:28:05Z)
Transforming C++11 Code to C++03 to Support Legacy Compilation Environments [1.6851123188451185]
我々は、C++11標準に従って書かれたコードを、機能的に等価なC++03変種に自動的にバックポートする、ソースコード変換フレームワークを作成します。本稿では,トランスフォーメーションエンジンの技術的詳細と,大規模な2つのコードベースと4つのオープンソースシステムに適用した経験について報告する。
論文参考訳（メタデータ） (2024-05-12T08:02:21Z)
Benchmarking Language Models for Code Syntax Understanding [79.11525961219591]
事前学習された言語モデルは、自然言語処理とプログラム理解の両方において素晴らしい性能を示している。本研究では,プログラムの構文構造を特定するための,最先端の事前訓練モデルの最初の徹底的なベンチマークを行う。この結果から,既存のプログラミング言語の事前学習手法の限界が指摘され,構文構造をモデル化することの重要性が示唆された。
論文参考訳（メタデータ） (2022-10-26T04:47:18Z)
PanGu-Coder: Program Synthesis with Function-Level Language Modeling [47.63943623661298]
PanGu-Coderは、PanGu-Alphaアーキテクチャを採用した事前訓練されたデコーダのみの言語モデルである。最初の段階ではCausal Language Modellingを使用して、生のプログラミング言語データで事前トレーニングを行います。第2段階では、Causal Language ModellingとMasked Language Modellingを組み合わせて、自然言語プログラム定義とコード関数のゆるくキュレートされたペアをトレーニングしている。
論文参考訳（メタデータ） (2022-07-22T18:08:16Z)
ANGLEr: A Next-Generation Natural Language Exploratory Framework [0.0]
提案した設計は、ANGLErと呼ばれる新しい自然言語処理フレームワークの実装に使用されている。提案されたフレームワークの主な部分は,(a)プラグイン可能なDockerベースのアーキテクチャ,(b)汎用データモデル,(c)グラフィカルユーザインターフェースを備えたAPI記述で構成される。
論文参考訳（メタデータ） (2022-05-10T13:32:13Z)
Natural Language to Code Translation with Execution [82.52142893010563]
実行結果-プログラム選択のための最小ベイズリスク復号化。そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
論文参考訳（メタデータ） (2022-04-25T06:06:08Z)
Continual Learning in Multilingual NMT via Language-Specific Embeddings [92.91823064720232]
共有語彙を小さな言語固有の語彙に置き換え、新しい言語の並列データに新しい埋め込みを微調整する。元のモデルのパラメータは変更されていないため、初期言語の性能は劣化しない。
論文参考訳（メタデータ） (2021-10-20T10:38:57Z)
AVATAR: A Parallel Corpus for Java-Python Program Translation [77.86173793901139]
プログラム翻訳とは、ある言語から別の言語へソースコードを移行することを指す。 AVATARは9,515のプログラミング問題とそのソリューションをJavaとPythonという2つの人気のある言語で記述したものです。
論文参考訳（メタデータ） (2021-08-26T05:44:20Z)
Unsupervised Translation of Programming Languages [19.56070393390029]
ソース・トゥ・ソース(source-to-source)またはトランスコンパイラ(transcompiler)は、ソースコードをハイレベルなプログラミング言語から別のプログラミング言語に変換するシステムである。私たちは、オープンソースのGitHubプロジェクトからソースコードでモデルをトレーニングし、C++、Java、Python間の関数を高い精度で翻訳できることを示しています。
論文参考訳（メタデータ） (2020-06-05T15:28:01Z)
Style Variation as a Vantage Point for Code-Switching [54.34370423151014]
Code-Switching (CS) は、複数のバイリンガルコミュニティや多言語コミュニティでよく見られる現象である。両言語間のスタイルのバリエーションとして,CSの新たな特徴点を提示する。本稿では,第1段階がCSの競合負例を生成し,第2段階がより現実的なCS文を生成する2段階生成逆トレーニング手法を提案する。
論文参考訳（メタデータ） (2020-05-01T15:53:16Z)

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。