Abstrait

Machine Learning 2018 : Deep learning : étude de cas : analyse de survie dans Stack Overflow : Python et R - Feyzi Bagirov, Laurel Lord, John Sell et Mark Newman - Université des sciences et technologies de Harrisburg

Feyzi Bagirov, Laurel Lord, John Sell et Mark Newman

Les réseaux de questions et réponses en ligne, en particulier Stack Flood, peuvent servir de ressources de soutien pour les experts et les passionnés de programmation. Cependant, les clients de ces services surveillent de près la durée de vie d'une question une fois posée. En effet, le délai entre les étapes où l'on suggère pour la première fois un sujet de discussion et celles où une réponse est acceptée comme réponse peut varier considérablement d'un langage de programmation à l'autre. Une façon intelligente de déterminer le concept de ces réponses a été de collecter des données importantes à partir de Stack Flood dans un laps de temps défini et d'appliquer des normes de test de résistance comme méthodes pour prédire les données de réponse liées aux sujets de programmation de R et Python. L'utilisation d'une structure longitudinale et l'analyse de détails, par exemple, les contrôles d'événements, le temps en heures jusqu'à la première réponse, le temps jusqu'à la réponse acceptée, n'ont permis à aucun des langages de dépasser les attentes dans chaque domaine. Python a montré le taux de réponse global le plus élevé, tandis que R a montré le taux de réponse le plus accepté. Les groupes de questions et réponses en ligne (Q&A) sont nés du besoin ; les gens ont besoin de réponses détaillées à des questions souvent confuses. Alors que les organisations du secteur du développement de produits sont de plus en plus encouragées à travailler en open source pour assurer leur pérennité et leur productivité, il semble y avoir une augmentation simultanée des organisations qui consacrent moins de ressources à leurs discussions sur les ingénieurs en héritage et utilisent plutôt des ressources de questions-réponses en ligne pour améliorer leurs produits. En fait, les outils mêmes qui encouragent l'exploration de données d'informations commerciales importantes sont de plus en plus rendus publics en raison de la notion dynamique de ces outils (étant capables de produire des résultats comparables ou meilleurs que ceux de la programmation restrictive). De par leur nature même, certains outils d'exploration de données open source plus récents, par exemple Python et RStudio, qui cultivent une amélioration continue grâce au partage de données, se retrouvent souvent dans des relations avantageuses avec les groupes de personnes de questions-réponses en ligne. Parfois, même la rédaction de programmes pédagogiques suggère que ces ressources de questions-réponses en ligne sont des informations avantageuses et, par conséquent, le grand nombre de questions soulevées sur ces outils de produits crée un trafic accru vers ces réseaux.

Biographie :

Université des sciences et technologies de Harrisburg, États-Unis