Fugu-MT 論文翻訳(概要): Experiences in Using the V-Model as a Framework for Applied Doctoral Research

論文の概要: Experiences in Using the V-Model as a Framework for Applied Doctoral Research

arxiv url: http://arxiv.org/abs/2407.04563v1
Date: Fri, 5 Jul 2024 14:53:58 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 13:01:09.268810
Title: Experiences in Using the V-Model as a Framework for Applied Doctoral Research
Title（参考訳）: 応用医学研究の枠組みとしてのVモデルの利用経験
Authors: Rodrigo Falcão, Andreas Jedlitschka, Frank Elberzhager, Dieter Rombach,
Abstract要約: 私たちは、ソフトウェア工学における応用研究の実践方法を教えるためのフレームワークとして、Vモデルを使用します。カイザースラウテルン大学で行った20年近くにわたって、このフレームワークがどのようにインスタンス化されてきたかを示す。
参考スコア（独自算出の注目度）: 0.5249805590164902
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The pervasive role played by software in virtually all industries has fostered ever-increasing development of applied research in software engineering. In this chapter, we contribute our experience in using the V-Model as a framework for teaching how to conduct applied research in empirical software engineering. The foundational idea of using the V-Model is presented, and guidance for using it to frame the research is provided. Furthermore, we show how the framework has been instantiated throughout nearly two decades of PhD theses done at the University of Kaiserslautern (RPTU Kaiserslautern) in partnership with Fraunhofer IESE, including the most frequent usage patterns, how the different empirical methods fit into the framework, and the lessons we have learned from this experience.
Abstract（参考訳）: 事実上すべての産業においてソフトウェアが果たす幅広い役割は、ソフトウェア工学における応用研究の発展を継続的に加速させてきた。本章では,実証ソフトウェア工学における応用研究の実践方法を教えるためのフレームワークとして,Vモデルを使用した経験について紹介する。 V-Modelの基本的な考え方が提示され、研究の枠組みを作るためのガイダンスが提供される。さらに,Fraunhofer IESEと共同でKaiserslautern大学(RPTU Kaiserslautern)で行った20年近くにわたって,フレームワークのインスタンス化が進んできたことを示す。

関連論文リスト

Beyond Code Generation: An Observational Study of ChatGPT Usage in Software Engineering Practice [3.072802875195726]
我々は、ChatGPTを1週間の業務で使用している24人のプロのソフトウェアエンジニアについて、観察的研究を行った。 ChatGPTが使えるソフトウェアアーティファクト(例えばコード)を生成することを期待するのではなく、実践者はChatGPTを使ってタスクの解決方法やトピックについてより抽象的な言葉で学ぶことが多い。
論文参考訳（メタデータ） (2024-04-23T10:34:16Z)
Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。 LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。各種コードライブラリの推論性能の粗大な解析を行う。
論文参考訳（メタデータ） (2024-04-17T15:57:50Z)
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)
Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文参考訳（メタデータ） (2023-12-28T13:50:42Z)
Rethinking Word-Level Auto-Completion in Computer-Aided Translation [76.34184928621477]
Word-Level Auto-Completion (WLAC) はコンピュータ翻訳において重要な役割を果たす。それは、人間の翻訳者に対して単語レベルの自動補完提案を提供することを目的としている。我々は、この質問に答えるために測定可能な基準を導入し、既存のWLACモデルがこの基準を満たしていないことを発見する。評価基準の遵守を促進することによってWLAC性能を向上させる効果的な手法を提案する。
論文参考訳（メタデータ） (2023-10-23T03:11:46Z)
Towards machine learning guided by best practices [0.0]
機械学習(ML)は、医学からソフトウェア工学(SE)まで、複数の応用分野を持つソフトウェアシステムで使われている。この論文は、SEコミュニティの実践者や研究者が使用し議論するプラクティスを理解するのに役立つ研究の質問に答えることを目的としている。
論文参考訳（メタデータ） (2023-04-29T10:58:37Z)
Deep Learning Meets Software Engineering: A Survey on Pre-Trained Models of Source Code [33.78307982736911]
近年、ディープラーニングのソフトウェア工学(SE)への応用が成功している。特に、事前訓練されたソースコードのモデルの開発と使用により、様々なSEタスクで最先端の結果が得られている。本稿では,この急速な研究分野の概要と今後の研究方向性を考察する。
論文参考訳（メタデータ） (2022-05-24T03:14:25Z)
Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文参考訳（メタデータ） (2021-08-17T17:44:38Z)
A Survey of Knowledge Tracing: Models, Variants, and Applications [70.69281873057619]
知識追跡は、学生の行動データ分析の基本的なタスクの1つである。我々は、異なる技術経路を持つ3種類の基本KTモデルを示す。この急速に成長する分野における今後の研究の方向性について論じる。
論文参考訳（メタデータ） (2021-05-06T13:05:55Z)
torchdistill: A Modular, Configuration-Driven Framework for Knowledge Distillation [1.8579693774597703]
本稿では,PyTorchをベースとしたオープンソースフレームワークについて紹介する。このフレームワークは、ユーザが宣言型PyYAML構成ファイルで実験を設計できるように設計されている。我々は、大規模な機械学習カンファレンスで提示されたImageNetとCOCOデータセットで、元の実験結果の一部を再現する。
論文参考訳（メタデータ） (2020-11-25T17:51:30Z)
dagger: A Python Framework for Reproducible Machine Learning Experiment Orchestration [0.913755431537592]
機械学習における多段階の実験は、しばしば、複数の実行経路に沿ってモデルに作用する状態変化操作を含む。再現性と再利用可能な実験オーケストレーションを容易にするフレームワークであるDaggerを提案する。
論文参考訳（メタデータ） (2020-06-12T21:42:48Z)

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。