Fugu-MT 論文翻訳(概要): Automated Test Production -- Systematic Literature Mapping

論文の概要: Automated Test Production -- Systematic Literature Mapping

arxiv url: http://arxiv.org/abs/2401.01430v1
Date: Tue, 2 Jan 2024 20:45:49 GMT
ステータス: 処理完了
システム内更新日: 2024-01-04 15:45:27.023617
Title: Automated Test Production -- Systematic Literature Mapping
Title（参考訳）: 自動テスト生成 -- 体系的な文献マッピング
Authors: Jos\'e Marcos Gomes, Luis Alberto Vieira Dias
Abstract要約: 本研究の目的は、自動テスト生産における最先端技術を得ることである。汎用用途のコンピュータアプリケーションの製造を専門とする企業の実践者のニーズに拡張することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The broader goal of this research, on the one hand, is to obtain the State of the Art in Automated Test Production (ATP), to find the open questions and related problems and to track the progress of researchers in the field, and on the other hand is to list and categorize the methods, techniques and tools of ATP that meet the needs of practitioners who produce computerized business applications for internal use in their corporations - eventually it can be extended to the needs of practitioners in companies that specialize in producing computer applications for generic use.
Abstract（参考訳）: The broader goal of this research, on the one hand, is to obtain the State of the Art in Automated Test Production (ATP), to find the open questions and related problems and to track the progress of researchers in the field, and on the other hand is to list and categorize the methods, techniques and tools of ATP that meet the needs of practitioners who produce computerized business applications for internal use in their corporations - eventually it can be extended to the needs of practitioners in companies that specialize in producing computer applications for generic use.

関連論文リスト

Fairness in AI-Driven Recruitment: Challenges, Metrics, Methods, and Future Directions [0.0]
ビッグデータと機械学習は、従来の採用プロセスに急激な変革をもたらした。 AIベースの採用の頻度を考えると、人間の偏見がこれらのシステムによって決定される可能性があるという懸念が高まっている。本稿では、AIによる採用におけるバイアスの種類を議論することで、この新興分野の包括的概要を提供する。
論文参考訳（メタデータ） (2024-05-30T05:25:14Z)
Application-Driven Innovation in Machine Learning [56.85396167616353]
機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
論文参考訳（メタデータ） (2024-03-26T04:59:27Z)
Best uses of ChatGPT and Generative AI for computer science research [0.0]
本稿では,計算機科学研究におけるChatGPTおよびその他の生成AI技術の多様な応用について検討する。我々は、ブレインストーミング研究のアイデア、学術論文の起草とスタイリングを支援すること、最先端のセクションの合成を支援することなどの革新的な用途を強調した。
論文参考訳（メタデータ） (2023-11-18T21:57:54Z)
Literature Review: Computer Vision Applications in Transportation Logistics and Warehousing [58.720142291102135]
輸送物流や倉庫におけるコンピュータビジョンの応用は、プロセスの自動化に大きな可能性を秘めている。本稿では、この可能性を活用するために、この分野の研究に関する構造化された文献レビューを紹介する。
論文参考訳（メタデータ） (2023-04-12T17:33:41Z)
HEAR4Health: A blueprint for making computer audition a staple of modern healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文参考訳（メタデータ） (2023-01-25T09:25:08Z)
The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。このレビューは、このトピックに関する知識に2つの主要な貢献をしている。オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文参考訳（メタデータ） (2022-11-08T10:42:08Z)
Requirements Engineering for Machine Learning: A Review and Reflection [39.01716712094724]
本稿では,機械学習アプリケーションにおける要件工学プロセスの概要について述べる。産業データ駆動インテリジェンスアプリケーションの例も、前述のステップに関連して議論されている。
論文参考訳（メタデータ） (2022-10-03T12:24:39Z)
Application of Artificial Intelligence and Machine Learning in Libraries: A Systematic Review [0.0]
本研究の目的は,図書館における人工知能と機械学習の適用を探求する実証研究の合成を提供することである。データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。 LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
論文参考訳（メタデータ） (2021-12-06T07:33:09Z)
Towards Productizing AI/ML Models: An Industry Perspective from Data Scientists [10.27276267081559]
AI/MLモデルから生産可能なAIベースのシステムへの移行は、データサイエンティストとソフトウェアエンジニアの両方にとって課題です。本稿では,この移行が実践者によってどのように認識されるかを理解するため,コンサルティング会社におけるワークショップの結果を報告する。
論文参考訳（メタデータ） (2021-03-18T22:25:44Z)
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)
Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。