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

• Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• Exploring Security Practices in Infrastructure as Code: An Empirical Study [54.669404064111795]
  クラウドコンピューティングは、Infrastructure as Code (IaC)ツールが広く使われていることで人気を博している。 スクリプティングプロセスは、実践者が自動的に設定ミスや脆弱性、プライバシリスクを導入するのを防ぐものではない。 セキュリティの確保は、実践者が明確な方針、ガイドライン、ベストプラクティスを理解し、採用することに依存する。
  論文  参考訳（メタデータ） (2023-08-07T23:43:32Z)
• Integrating Homomorphic Encryption and Trusted Execution Technology for Autonomous and Confidential Model Refining in Cloud [4.21388107490327]
  同型暗号化と信頼性の高い実行環境技術は、自律的な計算の機密性を保護することができる。 モデル精錬方式の設計にこれらの2つの手法を統合することを提案する。
  論文  参考訳（メタデータ） (2023-08-02T06:31:41Z)
• 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)
• Managing Cold-start in The Serverless Cloud with Temporal Convolutional Networks [0.0]
  サーバレスクラウドは革新的なクラウドサービスモデルであり、多くのクラウド管理業務から顧客を解放します。 サーバーレスクラウドのパフォーマンスに対する大きな脅威はコールドスタートであり、顧客の要求に応えるために必要なクラウドリソースをプロビジョニングするとき、サービスプロバイダや/または顧客に受け入れられないコストが発生する。 本稿では、サーバーレスクラウドスタックのインフラストラクチャおよびファンクションレベルにおけるコールドスタート問題に対処する、新しい低結合・高結合アンサンブルポリシーを提案する。
  論文  参考訳（メタデータ） (2023-04-01T21:54:22Z)
• CWD: A Machine Learning based Approach to Detect Unknown Cloud Workloads [3.523208537466129]
  我々は、クラウド環境で実行されるワークロードを特徴付け、プロファイルし、予測する機械学習ベースの技術を開発した。 また,モデルの性能をスタンドアローンで解析する手法も開発している。
  論文  参考訳（メタデータ） (2022-11-28T19:41:56Z)
• 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。