可以说,OO 分析和设计模型的审查特别有用,因为相同的语义构造(例如,类、属性、操作、消息)出现在分析、设计和代码级别。因此,设计和代码级别中的问题。因此,在分析过程中发现的类属性定义中的问题将避免在设计或代码(甚至在设计或代码的下一次迭代(甚至在分析的下一次迭代)之前未发现问题时可能发生的副作用。因此,在分析过程中发现的类属性定义中的问题将避免在设计或代码(甚至在设计或代码的下一次迭代(甚至在分析的下一次迭代)之前未发现问题时可能发生的副作用。
在过去的几年中,量子计算一直呈指数级增长。每天都有新技术、框架、建模和编程语言涌现,旨在促进量子软件的开发,而量子软件是实现量子计算有前景的应用的关键。然而,我们并不清楚其中哪些被积极使用,以及研究人员和开发人员对这些量子软件框架和语言的满意程度。为了解决这个问题,我们进行了一项调查,以确定在量子软件生命周期中使用了哪些建模工具和哪些量子编程语言。我们对学术界的研究人员和行业开发人员进行了调查,共收集了 57 份回复。结果表明,在量子软件开发过程中,一些模型和图表可用于指导开发。此外,调查结果还显示了除了用于构建混合程序的传统编程语言之外,哪些量子编程语言使用最多,以及其他重要见解。这项调查的含义是:(i)找出量子软件开发的当前趋势;(ii)找出量子软件开发人员对当前建模和编程语言和工具的需求。
执行摘要 自 2021 年发现 Log4Shell 漏洞以来,拜登-哈里斯政府加强了保护开源软件生态系统的承诺。i 2023 年 3 月,拜登-哈里斯政府发布了《国家网络安全战略》(NCS),其中指出,“联邦政府将与私营部门和开源软件社区合作,继续投资开发安全软件,包括内存安全语言和软件开发技术、框架和测试工具。” ii 这一承诺为国家网络总监办公室 (ONCD) 通过 2023 年 NCS 实施计划倡议 4.1.2“促进开源软件安全和采用内存安全编程语言”来促进开源软件开发实践的安全性提升奠定了基础。” iii
然而,研究表明,如果公司低估了开发高质量软件的战略重要性,他们就会付出代价。2013 年,麦肯锡研究了全球各个地区 1,300 多家不同规模的公司软件开发绩效的三个核心指标。我们不仅发现绩效最高和最低的组织之间存在惊人的差异,而且绩效最高和平均的组织之间也存在相当大的差异。排名前四分之一的公司开发软件的效率比排名后四分之一的公司高出三倍以上。他们的软件输出中残留的设计缺陷减少了 80%。我们的研究还表明,这些公司的新软件产品和功能的上市时间缩短了 70%。这种绩效差距意味着,与其他公司相比,顶级公司可以以更低的成本和更少的故障加快新产品和应用程序的流通。
编辑总监:Marcia Horton 主编:Michael Hirsch 收购编辑:Matt Goldstein 编辑助理:Chelsea Bell 总编辑:Jeff Holcomb 高级制作项目经理:Marilyn Lloyd 营销总监:Margaret Waples 营销协调员:Kathryn Ferranti 高级制造采购员:Carol Melville 文字设计师:Susan Raymond 封面艺术总监:Elena Sidorova 封面照片:© Jacques Pavlovsky/Sygma/Corbis 内部章节开篇:© graficart.net/Alamy 全方位服务项目管理:Andrea Stefanowicz,GGS 高等教育资源,PreMedia Global, Inc. 的一个部门。构图和插图:GGS 高等教育资源,PreMedia Global, Inc. 的一个部门。打印机/装订商:Edwards Brothers 封面打印机:Lehigh-Phoenix Color/Hagerstown
该研究评估了 Genius AI Detection 软件 2.0 与之前发布的 Genius AI Detection 软件的性能。性能比较是使用 fROC 分析和每个产品操作点的关键指标进行的。使用 Hologic 的 3D™ 乳房断层合成检查的单个隔离数据集来比较已发布的 Genius AI Detection 软件和 Genius AI Detection 软件 2.0 之间的检测性能。使用 fROC 曲线和 Hologic 当前高分辨率图像采集模式(Hologic Clarity HD ® 成像技术)的关键性能指标对 Genius AI Detection 软件 2.0 和 Genius AI Detection 软件之间的主要独立性能进行比较。此外,还进行了补充分析,以比较按两种采集模式(高分辨率和标准分辨率)、病变类型(钙化与肿块)和乳房密度(致密乳房和脂肪乳房)分层的性能。
- 工作动机。如果论文介绍了一种新工具,目标用户是谁?他们真的需要这样的工具吗?这个工具解决了这些用户的哪些痛点?如果论文介绍了一项实证研究,这项研究旨在回答哪些研究问题?这些研究有多重要?谁会关心这些发现,他们为什么要关心? - 工作的新颖性和重要性。这里有什么新东西?这篇论文的主要贡献是什么?你觉得最有趣的是什么? - 局限性、缺陷和盲点。对目标用户或方法是否有任何不切实际或错误的假设?工具设计、技术方法或研究设计中是否存在缺陷或错误? - 未来的工作。你将如何改进这项工作?这篇论文是否激发了你自己研究的任何新想法?你应该期望在课程中发表两篇研究论文。讲师将要求学生在第二周结束前报名提交论文。讲师将在课程中展示其余未被选中的论文。每篇论文的演讲时间不应超过 40 分钟,这样我们才能有足够的时间进行讨论。演讲应侧重于阐述论文的动机、相关工作、工具/研究设计、研究问题、发现、局限性和未来工作。为了使您的演讲更具洞察力,请尝试以文献为中心,并告诉观众为什么首先提出这项工作,它如何促进人们对某个主题的理解,以及它与过去其他相关工作有何不同。我们还鼓励您将指定论文与您自己的研究联系起来。您应该准备一组问题(您可以自己提出,也可以基于其他学生在 Piazza 上发布的问题),并在演讲后与讲师一起根据这些问题共同引导课堂讨论。课堂讨论将遵循思考-配对-分享格式。 - 1) 思考。演讲者或讲师将用一个问题激发学生的思考。学生应该花一两分钟来思考这个问题。 - 2) 配对。使用指定的伙伴(例如 Clock Buddies)、附近的邻居或同桌,学生结对讨论他们的答案。他们比较他们的心理或书面笔记,并找出他们认为最好、最有说服力或最独特的答案。 - 3) 分享。学生两人一组讨论几分钟后,演讲者或讲师将要求两人一组与班上其他同学分享他们的想法
这些对缺乏解释的担忧往往导致缺乏信任,并阻碍了此类软件分析系统在实践中的采用。其次,软件从业者经常会受到这些软件分析系统做出的任何决策的影响(例如,由于缺陷预测模型发现开发人员引入了软件缺陷,开发人员会被解雇吗?)。最近,欧盟《通用数据保护条例》(GDPR)第 22 条规定,在影响个人或团体的决策中使用数据需要对算法做出的任何决策进行解释。不幸的是,当前的软件分析系统仍然不支持任何隐私法 [5]。因此,软件分析系统不合理决策的风险可能是灾难性的,导致潜在的错误和代价高昂的业务决策 [3]。第三,我们发现只有 5% 的缺陷预测研究专注于使用可解释的 AI 技术生成局部解释(参见
这些功能是我们 Parasoft Jtest 产品的一部分,该产品是面向 Java 开发人员的全面测试解决方案,包括静态分析、单元测试、覆盖率、可追溯性等。Parasoft Jtest 的 IDE 插件为单元测试实践添加了有用的自动化功能,只需单击一下即可轻松创建、扩展和维护单元测试。借助 Jtest,用户可以在 AI 的帮助下实现更高的代码覆盖率,同时显著减少构建一套全面而有意义的 JUnit 测试用例所需的时间和精力。