論文の概要: Teaching Cloud Infrastructure and Scalable Application Deployment in an Undergraduate Computer Science Program

• arxiv url: http://arxiv.org/abs/2410.01032v2
• Date: Tue, 03 Dec 2024 01:34:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:39:34.817565
• Title: Teaching Cloud Infrastructure and Scalable Application Deployment in an Undergraduate Computer Science Program
• Title（参考訳）: 学部コンピュータサイエンスプログラムにおけるクラウドインフラストラクチャとスケーラブルなアプリケーションデプロイの教育
• Authors: Aditya Saligrama, Cody Ho, Benjamin Tripp, Michael Abbott, Christos Kozyrakis,
• Abstract要約: クラウドエンジニアリングの基礎を十分に理解せずにクラウドネイティブなアプリケーションを構築することは、学生にコストとセキュリティの落とし穴を負わせる可能性がある。 私たちは、ソフトウェアエンジニアリングの実践としてクラウドインフラストラクチャのデプロイメントをフレーム化する、学部レベルのコースを設計しました。
• 参考スコア（独自算出の注目度）: 2.8912542516745168
• License:
• Abstract: Making successful use of cloud computing requires nuanced approaches to both system design and deployment methodology, involving reasoning about the elasticity, cost, and security models of cloud services. Building cloud-native applications without a firm understanding of the fundamentals of cloud engineering can leave students susceptible to cost and security pitfalls. Yet, cloud computing is not commonly taught at the undergraduate level. To address this gap, we designed an undergraduate-level course that frames cloud infrastructure deployment as a software engineering practice. Our course featured a number of hands-on assignments that gave students experience with modern, best-practice concepts and tools including infrastructure-as-code (IaC). We describe the design of the course, our experience teaching its initial offering, and provide our reflections on what worked well and potential areas for improvement. Our course material is available at https://infracourse.cloud.
• Abstract（参考訳）: クラウドコンピューティングを成功させるためには、クラウドサービスの弾力性、コスト、セキュリティモデルに関する推論を含む、システム設計とデプロイメントの方法論の両方に対して、微妙なアプローチが必要である。 クラウドエンジニアリングの基礎を十分に理解せずにクラウドネイティブなアプリケーションを構築することは、学生にコストとセキュリティの落とし穴を負わせる可能性がある。 しかし、クラウドコンピューティングは学部レベルでは一般的には教えられていない。 このギャップに対処するため、私たちは、ソフトウェアエンジニアリングの実践としてクラウドインフラストラクチャのデプロイメントをフレーム化する、学部レベルのコースを設計しました。 私たちのコースでは、学生に最新のベストプラクティスの概念や、インフラストラクチャ・アズ・コード(IaC)などのツールを体験させる、ハンズオンの課題を数多く取り上げました。 コースの設計、最初の提供方法を教える経験、何がうまくいったのか、改善のための潜在的な領域について考察する。 コース資料はhttps://infracourse.cloud.comで公開しています。

関連論文リスト

• Building Castles in the Cloud: Architecting Resilient and Scalable Infrastructure [0.0]
  本論文では,クラウド環境内におけるコンテキスト設計に必要な重要な対策について考察する。 レプリケーションサーバ、フォールトトレランス、ディザスタバックアップ、高可用性のためのロードバランシングの必要性について検討している。
  論文  参考訳（メタデータ） (2024-10-29T04:56:34Z)
• Cloud-Native Computing: A Survey from the Perspective of Services [41.25934971576225]
  クラウドネイティブコンピューティングは、Webアプリケーションにとって最も影響力のある開発原則です。 本稿では、サービスの観点から、クラウドネイティブアプリケーションのライフサイクルにおける重要な問題を調査する。
  論文  参考訳（メタデータ） (2023-06-26T03:32:35Z)
• How Can We Train Deep Learning Models Across Clouds and Continents? An Experimental Study [57.97785297481162]
  代表的なCV, NLP, ASRモデルに対して, 異なるゾーン, 大陸, 雲におけるトレーニングの費用とスループットについて検討した。 スポット価格を活用することで、複数の安価なインスタンスでモデルをトレーニングし、より集中的かつ強力なハードウェアと、競争力のある価格でオンデマンドのクラウド製品の両方を台無しにする、新たなコスト効率の方法が実現されることを示す。
  論文  参考訳（メタデータ） (2023-06-05T18:17:37Z)
• Are you cloud-certified? Preparing Computing Undergraduates for Cloud Certification with Experiential Learning [6.3455238301221675]
  クラウド認定を受けるための学部生を準備するために、経験的学習を伴うコースを設計した経験を報告します。 大学プロジェクトベースの経験的学習フレームワークを採用し、業界パートナと協業する。 経験的学習による設計前後の知見を報告する。
  論文  参考訳（メタデータ） (2023-05-23T04:12:38Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Case study of SARS-CoV-2 transmission risk assessment in indoor environments using cloud computing resources [1.3150679728390269]
  複雑な計算フレームワークをクラウドサービスに抽象化してデプロイする方法を紹介します。 我々は、Dendro-kTメッシュ生成ツールとPETScソルバを利用して、シミュレーションフレームワークをAzureクラウドフレームワーク上にデプロイする。 クラウドマシンの性能を最先端のHPCマシンであるTACC Fronteraと比較する。
  論文  参考訳（メタデータ） (2021-11-17T19:28:18Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• Machine Learning Algorithms for Active Monitoring of High Performance Computing as a Service (HPCaaS) Cloud Environments [0.0]
  本稿では,HPCプラットフォームとして構成されたクラウドインフラストラクチャ上で動作するエンジニアリングアプリケーションの実用性について検討する。 この研究で考慮された工学的応用としては、ロスアラモス国立研究所が開発した放射線輸送コードMCNP6、オープンソースの計算流体力学コードOpenFOAM、素数分解に使用される一般数場シーブアルゴリズムCADONFSなどがある。
  論文  参考訳（メタデータ） (2020-09-26T01:29:19Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。