論文の概要: CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping
- arxiv url: http://arxiv.org/abs/2409.00582v1
- Date: Sun, 1 Sep 2024 02:27:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 13:43:27.580052
- Title: CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping
- Title（参考訳）: RとShinyMobileを使ったCRUD対応モバイルアプリ:ラピッドプロトタイピングのケーススタディ
- Authors: Nathan Henry,
- Abstract要約: Hardenは、主にRで開発された生態的モメンタリーアセスメント(EMA)のためのプログレッシブWebアプリケーション(PWA)である。
shinyMobileパッケージを活用して、リアクティブなモバイルユーザインターフェース(UI)を作成する。
本稿では,Harden アプリケーション作成に使用される方法論の概要と,アプリケーション開発における shinyMobile アプローチのメリットと限界について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: "Harden" is a Progressive Web Application (PWA) for Ecological Momentary Assessment (EMA) developed mostly in R, which runs on all platforms with an internet connection, including iOS and Android. It leverages the shinyMobile package for creating a reactive mobile user interface (UI), PostgreSQL for the database backend, and Google Cloud Run for scalable hosting in the cloud, with serverless execution. Using this technology stack, it was possible to rapidly prototype a fully CRUD-capable (Create, Read, Update, Delete) mobile app, with persistent user data across sessions, interactive graphs, and real-time statistical calculation. This framework is compared with current alternative frameworks for creating data science apps; it is argued that the shinyMobile package provides one of the most efficient methods for rapid prototyping and creation of statistical mobile apps that require advanced graphing capabilities. This paper outlines the methodology used to create the Harden application, and discusses the advantages and limitations of the shinyMobile approach to app development. It is hoped that this information will encourage other programmers versed in R to consider developing mobile apps with this framework.
- Abstract（参考訳）: Harden"は、主にRで開発されたEcological Momentary Assessment(EMA)のためのプログレッシブWebアプリケーション(PWA)である。
このパッケージは、リアクティブなモバイルユーザインターフェース(UI)の作成、データベースバックエンド用のPostgreSQL、クラウド上のスケーラブルなホスティングのためのGoogle Cloud Run、サーバレス実行のためのGoogle Cloud Runを利用する。
このテクノロジスタックを使用することで、セッション間の永続的なユーザデータ、インタラクティブグラフ、リアルタイム統計計算を備えた、CRUD対応(Create, Read, Update, Delete)モバイルアプリの迅速なプロトタイプが可能になる。
shinyMobileパッケージは、高度なグラフ処理機能を必要とする統計モバイルアプリを高速にプロトタイピングおよび作成するための最も効率的な方法の1つを提供する、と論じられている。
本稿では,Harden アプリケーション作成に使用される方法論の概要と,アプリケーション開発における shinyMobile アプローチのメリットと限界について述べる。
この情報により、Rに精通している他のプログラマが、このフレームワークでモバイルアプリを開発することを検討できるようになることが期待されている。
関連論文リスト
- A3: Android Agent Arena for Mobile GUI Agents [46.73085454978007]
モバイルGUIエージェントは、モバイルデバイス上で自律的にタスクを実行するように設計されている。
Android Agent Arena (A3)は、現実の、開発中のタスクのパフォーマンスを評価するための、新しい評価プラットフォームである。
A3には、広く使われている21の一般サードパーティアプリと、一般的なユーザシナリオを表す201のタスクが含まれている。
論文 参考訳（メタデータ） (2025-01-02T09:03:56Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-13T11:19:56Z) - Intelligent Spark Agents: A Modular LangGraph Framework for Scalable, Visualized, and Enhanced Big Data Machine Learning Workflows [1.4582633500696451]
LangGraphフレームワークは、スケーラビリティ、視覚化、インテリジェントなプロセス最適化を通じて機械学習を強化するように設計されている。
このフレームワークの中核となるのは、Sparkの分散コンピューティング機能を活用する重要なイノベーションであるAgent AIだ。
フレームワークにはLangChainエコシステムを通じて大きな言語モデルも組み込まれており、構造化されていないデータとのインタラクションが強化されている。
論文 参考訳（メタデータ） (2024-12-02T13:41:38Z) - Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [57.677161006710065]
モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。
近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。
これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
論文 参考訳（メタデータ） (2024-11-04T11:50:58Z) - MobileAgentBench: An Efficient and User-Friendly Benchmark for Mobile LLM Agents [7.4568642040547894]
大規模言語モデル(LLM)ベースのモバイルエージェントは、携帯電話のグラフィカルユーザインタフェース(GUI)と直接対話できることから、ますます人気が高まっている。
学術部門と産業部門の両方で有望な見通しにもかかわらず、既存のモバイルエージェントのパフォーマンスをベンチマークすることに注力する研究はほとんどない。
我々は、広範囲な手動テストの負担を軽減するために、効率的でユーザフレンドリなベンチマークMobileAgentBenchを提案する。
論文 参考訳（メタデータ） (2024-06-12T13:14:50Z) - Skeet: Towards a Lightweight Serverless Framework Supporting Modern AI-Driven App Development [0.0]
Skeetは最近、初期評価とともに一般向けにリリースされた。
Skeetは、アーキテクチャの現在のトレンドを反映したアプリ構造と、AI内部に関する最小限の知識を持つ開発者が、そのような技術をアプリに簡単に組み込んでデプロイできるツールスイートを提供する。
論文 参考訳（メタデータ） (2024-05-10T01:00:20Z) - CLAID: Closing the Loop on AI & Data Collection -- A Cross-Platform
Transparent Computing Middleware Framework for Smart Edge-Cloud and Digital
Biomarker Applications [2.953239144917]
CLAIDは,Android,iOS,WearOS,Linux,Windowsと互換性のある透過型コンピューティングをベースとしたオープンソースフレームワークである。
各種センサからのデータ収集と機械学習モデルの展開のためのモジュールを提供する。
本稿では,デプロイされた機械学習モデルを検証するための新しい手法"ML-Model in the Loop"を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:56:51Z) - In Situ Framework for Coupling Simulation and Machine Learning with
Application to CFD [51.04126395480625]
近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。
シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。
この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
論文 参考訳（メタデータ） (2023-06-22T14:07:54Z) - DUET: A Tuning-Free Device-Cloud Collaborative Parameters Generation Framework for Efficient Device Model Generalization [66.27399823422665]
デバイスモデル一般化(Device Model Generalization, DMG)は、デバイス上での機械学習アプリケーションにおいて、実用的ながら実証されていない研究トピックである。
本稿では,Device-cloUdコラボレーティブパラメトリクスフレームワークDUETを提案する。
論文 参考訳（メタデータ） (2022-09-12T13:26:26Z) - Mobile Sensing for Multipurpose Applications in Transportation [0.0]
国務省は、交通問題をタイムリーに分析・解決するために一貫したデータを集めるのに苦労している。
スマートフォンに内蔵されたセンサーの最近の進歩は、より手頃なデータ収集方法をもたらした。
開発されたアプリは、ミズーリ州コロンビアとミズーリ州カンザスシティを結ぶi70Wハイウェイのデータを収集して評価された。
論文 参考訳（メタデータ） (2021-06-20T17:56:12Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳（メタデータ） (2020-08-23T06:34:05Z)
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。