Logo des Repositoriums

Softwaretechnik-Trends 42(4) - 2022

https://dl.gi.de/handle/20.500.12116/40152
Auflistung nach:

Auflistung Softwaretechnik-Trends 42(4) - 2022 nach Erscheinungsdatum

Zu einem Punkt im Index springen:
1 - 10 von 10
  • Konferenzbeitrag
    Helmut & Heide Balzert Preis 2023
    (Softwaretechnik-Trends Band 42, Heft 4, 2022)
  • Konferenzbeitrag
    Was ist Abstraktion?
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Herrmann, Andrea
  • Konferenzbeitrag
  • Konferenzbeitrag
    Model-driven Engineering for Dynamic Data Structures
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Boockmann,Jan H.; Jacob, Kerstin; Lüttgen,Gerald
    Model-driven engineering (MDE) has become a key technology in such diverse fields as signal processing, control engineering and software engineering. Our research has adopted the MDE paradigm for the analysis of complex software involving dynamic data structures, e.g., of device driver managers that employ custom list structures. Here, the central model studied by us is logic predicates that describe data structure shapes. This paper highlights aspects of our research on how shape predicates can support a range of activities: automated code generation for defensive programming, visualization for program comprehension and test case generation and formal verification for quality assurance. We discuss the commonalities and differences to the MDE of control-intensive systems and outline how our test case generation approach may be adapted to complex object-oriented software.
  • Konferenzbeitrag
    Bericht
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Sokenou, Dehla; Friske, Mario; Güldali, Baris; Faragó, David; Winter, Mario; Buth, Bettina
  • Konferenzbeitrag
    A High Quality Data Pipeline for Reasonable-Scale Machine Learning
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Faragó, David
    Data quality (especially correctness) plays a critical role in the success of a machine learning (ML) project. This paper describes a data pipeline for creating high quality data, using as example Key Information Extraction (KIE) from invoices – one of the most popular tasks in Intelligent Document Processing (IDP). The tasks of each data pipeline step are listed, showing the decisions and technology involved. The focus is on practicality: doing ML at reasonable-scale, i.e. with as little cost (people and hardware) as possible, and a concern for practice more than achieving high scores on a metric that is not grounded in practical use. Contributions: 1. an extended list of quality dimensions, with simple definitions 2. overview of a data pipeline, examplified on KIE 3. for each pipeline step a list of tasks, showing decisions, pitfalls, and technology involved 4. in particular, how to use the state of the art contrastive model CLIP to solve difficult selection and reduction tasks on images 5. a tool for labeling key information on images 6. a labeling guide for invoices. Most contributions can easily be transfered to other supervised learning tasks.
  • Konferenzbeitrag
    Stichprobenbasiertes Testen eines CNNs mithilfe von LRP
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Meyer, Eike Hannes
  • Konferenzbeitrag
    Testing The Untestable - Risikobasierte Qualitätssicherung für Machine-Learning Systeme
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Felderer, Michael
    Machine-Learning Systeme durchdringen zunehmend alle Lebensbereiche. Dadurch gewinnt auch die Qualität und in weiterer Folge das Testen dieser Systeme an Bedeutung. Die inhärente Unsicherheit von Machine-Learning Systemen macht risikobasierte Testansätze besonders geeignet, welche in diesem Beitrag vorgestellt werden.
  • Konferenzbeitrag
    Ausschreibung Ernst Denert Software-Engineering Preis 2022
    (Softwaretechnik-Trends Band 42, Heft 4, 2022)
  • Konferenzbeitrag
    Der ISTQB „Certified Tester® AI Testing“ (CT-AI)
    (Softwaretechnik-Trends Band 42, Heft 4, 2022) Winter, Mario
    Immer mehr unternehmenskritische und/oder sicherheitsrelevante Anwendungen enthalten KI-basierte Komponenten. Darüber hinaus gibt es erste erfolgreiche Anwendungen von KI zur Unterstützung des Testens. Der englischsprachige Lehrplan (syllabus) zum ISTQB „Certified Tester® AI Testing“ (CT-AI) Version V1.0 ist seit Oktober 2021 verfügbar. Seit Ende September 2022 ist nun auch der vom German Testing Board e.V. (GTB) unter Mitwirkung des Austrian Testing Board (ATB) und des Swiss Testing Board (STB) übersetzte deutschsprachige Lehrplan V1.0D verfügbar. Dieser Beitrag skizziert die Ziele und Themenfelder des Lehrplans.