SlideShare a Scribd company logo
1 of 21
Download to read offline
奈良先端科学技術大学院大学
ソフトウェア工学研究室
○内垣聖史,伊原彰紀,門田暁人,松本健一
システムの大規模化,多機能化に伴いテストケース
が爆発的に増加
カメラ
指紋認証

インターネット接続

GPS

多機能化

大規模化[1]

◦ 全てのソースコードをテストすることは現実的でない
◦ 全開発工数に占めるテスト工数の割合は50%弱[2]

⇒テスト工程の効率化が重要
[1] 株式会社富士通研究所,”CPUの動作を実時間精度で忠実に再現できる世界最高速のシミュレーション技術を開発”,
http://pr.fujitsu.com/jp/news/2012/03/13-1.html
[2] テスト技術者交流会,“基本から学ぶソフトウェアテスト”,日経BP社,2001

2
テスト開始前に欠陥モジュール(ソースコード)を予測
◦ 欠陥のないモジュールへ割り当てる工数を削減することで,
テスト工程を効率化
総工数:75人時
75人時
75

総工数:100人時

工数の削減
20人時

20人時
20人時
20人時

30人時
30人時

30人時
30人時
5人時

20人時

5人時

5人時

3
欠陥がありそうなモジュール
開発モジュール群(予測対象)
開発モジュール群(予測対象)

予測
モデル

予測
分類)
(分類)

欠陥がなさそうなモジュール

学習データ
・欠陥情報
欠陥の有無or数or密度
・メトリクス(特性値)
コード行数,分岐数,etc.
過去の開発実績データ

4
従来研究では学習データとして,前バージョンの開発
終了時のスナップショット1のデータを利用
ウォータフォール開発プロセス
Ver. 3.2(現行Ver.)
リリース
予測時点

Ver. 3.1(前Ver.)
リリース

Ver. 3.0
リリース

(実装終了時)
要件分析

設計

実装

テスト

要件分析

設計

学習データ
・メトリクス
コード行数
分岐数
etc.

・欠陥情報
欠陥の有無
欠陥数
欠陥密度

実装

テスト

評価データ
(予測対象データ)

予測
モデル構築
予測モデル

1

ある時点のソフトウェアを構成するモジュールの集合

5
イテレーティブ型開発では開発途中で実績データ(メトリ
クス,欠陥情報)が計測でき,学習データとして利用可能
◦ オープンソースソフトウェア(OSS)ではインテレーティブ型が主流
OSSプロジェクトに対する欠陥予測に利用可能
イテレーティブ
開発プロセス

要件
分析

設計

要件
分析

テスト

設計

実装

要件
分析

テスト

実装

設計

テスト

実装

開発中に
計測可能
Ver. 3.1 リリース

Ver. 3.2 リリース
予測モデル
6
欠陥予測において,いつの時点のデータを学習データ
として用いるのが適当かを明らかにする
Ver. 3.1(前Ver.)
リリース

~
~

Ver. 3.2(現行Ver.)
リリース
予測時点
(実装終了時)

・・・ ・・・ ・・・

学
習

予測時点に近いデータを学習データとして利用可能

仮説

学習データの計測時点が予測時点に
学習データの計測時点が予測時点に
データの計測時点が予測時点
近づくほど高精度での欠陥予測が可能
7
開発途中のスナップショットを学習データとする欠陥予
測モデルの構築
学習データの計測時点による欠陥予測精度の比較
Ver. 3.1(前Ver.)
リリース

Ver. 3.2(現行Ver.)
リリース
実装終了時

~
~
・・・ ・・・ ・・・

予測
予測モデル
・
・
・

比較・分析
予測モデル
モデル構築
予測モデル
8
OSSプロジェクトデータを対象に,学習データの計測時
点を移動させ,各学習データで構築したモデルを評価
◦ 評価データの計測時点は固定
学
習
モデル

学
習
モデル

学
習
モデル

評
価

予測対象: モジュール欠陥密度
◦ ソースコード1000行当たりの欠陥数

9
モデル構築アルゴリズム
◦ ランダムフォレスト法[3]

モデルの予測精度の評価指標
◦

[4]

モジュールの規模を考慮した評価指標
値が大きいほどモデルの性能が良い
値域は [0,1]

[3] L. Breiman,“ Random forests, ”Machine Learning, Vol.45, No.1, pp. 5-32, 2001.
[4] T. Mende, and R. Koschke,“ Revisiting the evaluation of defect prediction models, ”Proceedings of
International Conference on Predictor Models in Software Engineering (PROMISE’09), pp.1-10, 2009.

10
Eclipse Platformから取得したスナップショット
◦ 取得期間:2005年7月(ver3.1)~2006年7月(ver3.2)
◦ 各月1日0時時点のスナップショットを利用
使用メトリクス
メトリクス
AvgCyclomatic

概要
サイクロマティック複
雑度の平均

メトリクス
CountStmtExe

概要
実行可能ステートメント
行数

CountLineCodeExe

実行可能コード行数

CountStmtDecl

CountDeclClass

クラス数

CountLineComment コメント行数

CountDeclfunction

関数の数

NumberOfRevisions

変更行数

CountLineBlanck

空白行数

AddedLines

追加行数

CountLineCode

コード行数

RemovedLines

削除行数

CountLineCodeDecl

宣言コード行数

プロダクトメトリクス:10種類
プロダクトメトリクス:10種類
10

―

宣言ステートメント行数

―

プロセスメトリクス:3
プロセスメトリクス:3種類
メトリクス:

11
Step1:予測モデルの構築
◦ 説明変数:13種のメトリクス(プロダクト10種+プロセス3種)
◦ 目的変数:欠陥密度
2005/8

~
~

2005/7

2006/6

スナップショット

・・・

メトリクス

欠陥密度

予測モデル
予測モデル
1

予測モデル
予測モデル
2

予測モデル
予測モデル
12
12
Step2:欠陥密度の予測
◦ 構築した各予測モデルにそれぞれ評価データのメトリクスを
適用し,各モジュールの欠陥密度を予測
欠陥密度
(予測値)

予測モデル
予測モデル
1
評価データ

予測モデル
予測モデル
2
・
・
・

予測モデル
予測モデル
12
13
Step3:

の算出

◦ 予測した欠陥密度と評価データから計測した欠陥密度の実
測値,モジュール規模より	
	を算出し,モデルごとに比較・
分析
欠陥密度 欠陥密度 モジュール
規模
(実測値) (予測値)
	1

	2

評価
データ
・
・
・

	12
14
学習データの計測時点が予測時点から…
◦ 遠い場合,予測精度が低く,近い場合,予測精度が高い

学習データの計測時点が遅くなるほど
計測時点が遅くなるほど精度が上昇する
計測時点が遅くなるほど
傾向を確認 (有意水準:p<0.01)
予測時点から遠い

予測時点に近い

1.0
0.8
0.6
0.4
0.2
評価データ:2006年7月時
0.0
7月

8月

9月 10月 11月 12月 1月

2月

2005年

3月

4月

5月

6月

2006年

学習データの計測時点

15
使用するデータセット,モデル構築アルゴリズム,評価
指標は同一
学習データを固定(2005年7月時)し,その他のスナップ
ショットを評価データとして実験を実施
(本実験)
学
習

学
習

学
習

評
価

評
価

評
価

(追加実験)
学
習

評
価

16
評価データの計測時点が早くなるほど
計測時点が早くなるほど精度が上昇す
計測時点
なるほど
る傾向を確認 (有意水準:p<0.01)
学習データに近い

1.0

学習データから遠い
学習データ:2005年7月時

0.8
0.6
0.4
0.2
0.0
8月

9月 10月 11月 12月 1月
2005年

2月

3月

4月

5月

6月

7月

2006年

評価データの計測時点(予測時点)

学習データの計測時点が予測時点に
近づくほど高精度での欠陥予測が可能

17
各モデルの予測精度とメトリクス値との関係を分析
◦ 時間経過により13個中9種のメトリクスの取り得る範囲が拡大
関数の数

コード行数
12000
10000
8000
6000
4000
10
0

追加行数

2500
9151 10032
8256

8421

8628

4000

2000
1500

1849

1881

1929

2051

2243

1329
1000

500

7月

3
10月

2005年

3

3

3

1月

4月

7月

2006年

0

1579 1366

2000

1000
3

3096 3223

3000

0

7月

0

0

10月

1月

2005年

0

4月
2006年

0

7月

0

0
7月

0
10月

2005年

0
1月

0

0

4月

7月

2006年

■:最大値 ◆:最小値

◦ 学習データと評価データの計測時点が離れるほどメトリクスの
分布の違いが大きくなる
⇒モデルに対する評価データの適合が困難になり,精度が低下
18
実験の結果より,学習データの計測時点が予測時点
に近いほど精度が増加する傾向
傾向を確認
傾向
(本実験)
不安定(
減少)
不安定( 増加 or 減少)

(追加実験)
単調増加

計測時点と予測時点が遠い場合,精度は不安定
計測時点と予測時点が近い場合,精度は単調増加

予測時点の3か月以内のデータを用いる事が望ましい
19
目的
◦ 欠陥予測において,いつの時点のデータを学習データとして
利用するのが適当なのかを明らかにした

得られた知見
◦ 学習データ及び評価データとして利用する各スナップショット
の計測時点が近いほど高い予測精度が得られた
◦ 予測精度の高低は,各スナップショット間のメトリクス値の取
り得る範囲の違いに左右されることが分かった

結論
◦ 予測時点の3か月以内のスナップショットを学習データとして
予測モデルを構築することが望ましい
20
妥当性の確認
◦ 他のOSSプロジェクトデータを利用して同様の実験を実施
現時点で約20プロジェクト分のモジュールデータを取得済み

プロジェクト特性が予測精度に与える影響の分析
◦ 開発の進捗に伴いメトリクス値が大きく変化する時期(プロ
プロ
ジェクト初期)と変化が少ない時期(プロジェクト安定期
プロジェクト安定期)にお
ジェクト初期
プロジェクト安定期
いて予測精度の傾向の強さに違いがあるかを検証
安定期

初期

予測

予測
立ち上げ

~
~
比較・分析
21

More Related Content

Similar to 学習データ計測時点による欠陥モジュール予測精度の比較

実証試験総論(午後の部)(大川弥生)
実証試験総論(午後の部)(大川弥生)実証試験総論(午後の部)(大川弥生)
実証試験総論(午後の部)(大川弥生)robotcare
 
東京工業大学「ロボット技術・ロボットミドルウェア」
東京工業大学「ロボット技術・ロボットミドルウェア」東京工業大学「ロボット技術・ロボットミドルウェア」
東京工業大学「ロボット技術・ロボットミドルウェア」NoriakiAndo
 
自動チューニングとビックデータ:機械学習の適用の可能性
自動チューニングとビックデータ:機械学習の適用の可能性自動チューニングとビックデータ:機械学習の適用の可能性
自動チューニングとビックデータ:機械学習の適用の可能性Takahiro Katagiri
 
UIテストの実行時間の短縮の方法
UIテストの実行時間の短縮の方法UIテストの実行時間の短縮の方法
UIテストの実行時間の短縮の方法Toshiyuki Hirata
 
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析地理空間インテリジェンス技術を用いた 製造ラインでの作業分析
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析Kurata Takeshi
 
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計Hironori Washizaki
 
測定によるソフトウェア品質への挑戦 公開用
測定によるソフトウェア品質への挑戦 公開用測定によるソフトウェア品質への挑戦 公開用
測定によるソフトウェア品質への挑戦 公開用Hironori Washizaki
 
高信頼性を確保するソフトウェア開発手法と実践 -組込み製品の潜在的価値を今以上に高めるために-
高信頼性を確保するソフトウェア開発手法と実践-組込み製品の潜在的価値を今以上に高めるために-高信頼性を確保するソフトウェア開発手法と実践-組込み製品の潜在的価値を今以上に高めるために-
高信頼性を確保するソフトウェア開発手法と実践 -組込み製品の潜在的価値を今以上に高めるために-Yoshio SAKAI
 
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)伊久美様 アジャイルジャパン2010プレゼン資料(4 9)
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)Akiko Kosaka
 
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...Preferred Networks
 
テスト自動化のこれまでとこれから
テスト自動化のこれまでとこれからテスト自動化のこれまでとこれから
テスト自動化のこれまでとこれからKeizo Tatsumi
 
NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017Takashi Ishio
 
Gifu University Before Study 2015
Gifu University Before Study 2015Gifu University Before Study 2015
Gifu University Before Study 2015Kiyoshi Ogawa
 
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろう
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろうプロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろう
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろうKiyoshi Ogawa
 
テスト駆動開発の導入ーペアプログラミングの学習効果ー
テスト駆動開発の導入ーペアプログラミングの学習効果ーテスト駆動開発の導入ーペアプログラミングの学習効果ー
テスト駆動開発の導入ーペアプログラミングの学習効果ーShuji Watanabe
 
アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割Junichi Akita
 
Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Akiko Kosaka
 
Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Kenji Hiranabe
 

Similar to 学習データ計測時点による欠陥モジュール予測精度の比較 (20)

実証試験総論(午後の部)(大川弥生)
実証試験総論(午後の部)(大川弥生)実証試験総論(午後の部)(大川弥生)
実証試験総論(午後の部)(大川弥生)
 
東京工業大学「ロボット技術・ロボットミドルウェア」
東京工業大学「ロボット技術・ロボットミドルウェア」東京工業大学「ロボット技術・ロボットミドルウェア」
東京工業大学「ロボット技術・ロボットミドルウェア」
 
自動チューニングとビックデータ:機械学習の適用の可能性
自動チューニングとビックデータ:機械学習の適用の可能性自動チューニングとビックデータ:機械学習の適用の可能性
自動チューニングとビックデータ:機械学習の適用の可能性
 
UIテストの実行時間の短縮の方法
UIテストの実行時間の短縮の方法UIテストの実行時間の短縮の方法
UIテストの実行時間の短縮の方法
 
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析地理空間インテリジェンス技術を用いた 製造ラインでの作業分析
地理空間インテリジェンス技術を用いた 製造ラインでの作業分析
 
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
 
測定によるソフトウェア品質への挑戦 公開用
測定によるソフトウェア品質への挑戦 公開用測定によるソフトウェア品質への挑戦 公開用
測定によるソフトウェア品質への挑戦 公開用
 
高信頼性を確保するソフトウェア開発手法と実践 -組込み製品の潜在的価値を今以上に高めるために-
高信頼性を確保するソフトウェア開発手法と実践-組込み製品の潜在的価値を今以上に高めるために-高信頼性を確保するソフトウェア開発手法と実践-組込み製品の潜在的価値を今以上に高めるために-
高信頼性を確保するソフトウェア開発手法と実践 -組込み製品の潜在的価値を今以上に高めるために-
 
初心者向けデバイスドライバ講座 (2)
初心者向けデバイスドライバ講座 (2) 初心者向けデバイスドライバ講座 (2)
初心者向けデバイスドライバ講座 (2)
 
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)伊久美様 アジャイルジャパン2010プレゼン資料(4 9)
伊久美様 アジャイルジャパン2010プレゼン資料(4 9)
 
OpenEL for Robot(Japanese)
OpenEL for Robot(Japanese)OpenEL for Robot(Japanese)
OpenEL for Robot(Japanese)
 
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...
20181214 Semicon Japan Techspotセミナー:ディープラーニングを応用した製品不良検査ソフトウェアおよびピッキングロボットソリュ...
 
テスト自動化のこれまでとこれから
テスト自動化のこれまでとこれからテスト自動化のこれまでとこれから
テスト自動化のこれまでとこれから
 
NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017
 
Gifu University Before Study 2015
Gifu University Before Study 2015Gifu University Before Study 2015
Gifu University Before Study 2015
 
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろう
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろうプロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろう
プロセスアセスメントモデルの活用 ー プロセス改善のモデルをあやつろう
 
テスト駆動開発の導入ーペアプログラミングの学習効果ー
テスト駆動開発の導入ーペアプログラミングの学習効果ーテスト駆動開発の導入ーペアプログラミングの学習効果ー
テスト駆動開発の導入ーペアプログラミングの学習効果ー
 
アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割
 
Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011
 
Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011Agile Development and Contract from IPA at AgileJapan 2011
Agile Development and Contract from IPA at AgileJapan 2011
 

More from 奈良先端大 情報科学研究科

マイコンと機械学習を使って行動認識システムを作ろう
マイコンと機械学習を使って行動認識システムを作ろうマイコンと機械学習を使って行動認識システムを作ろう
マイコンと機械学習を使って行動認識システムを作ろう奈良先端大 情報科学研究科
 
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析奈良先端大 情報科学研究科
 
11.実装の脆弱性を利用して強力な暗号を解読してみよう!
11.実装の脆弱性を利用して強力な暗号を解読してみよう!11.実装の脆弱性を利用して強力な暗号を解読してみよう!
11.実装の脆弱性を利用して強力な暗号を解読してみよう!奈良先端大 情報科学研究科
 
16. マイコンと機械学習を使って行動認識システムを作ろう
16. マイコンと機械学習を使って行動認識システムを作ろう16. マイコンと機械学習を使って行動認識システムを作ろう
16. マイコンと機械学習を使って行動認識システムを作ろう奈良先端大 情報科学研究科
 
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう14. ビデオシースルーHMDで視覚拡張の世界を体感しよう
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう奈良先端大 情報科学研究科
 
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法18. 計測に基づいた写実的なコンピュータグラフィクスの生成法
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法奈良先端大 情報科学研究科
 
21. 人の動作・行動センシングに基づく拡張現実感システムの開発
21. 人の動作・行動センシングに基づく拡張現実感システムの開発21. 人の動作・行動センシングに基づく拡張現実感システムの開発
21. 人の動作・行動センシングに基づく拡張現実感システムの開発奈良先端大 情報科学研究科
 
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発奈良先端大 情報科学研究科
 
9. マイコンと機械学習を使って行動認識システムを作ろう
9. マイコンと機械学習を使って行動認識システムを作ろう9. マイコンと機械学習を使って行動認識システムを作ろう
9. マイコンと機械学習を使って行動認識システムを作ろう奈良先端大 情報科学研究科
 
14. モバイルエージェントによる並列分散学習システムの構築
14. モバイルエージェントによる並列分散学習システムの構築14. モバイルエージェントによる並列分散学習システムの構築
14. モバイルエージェントによる並列分散学習システムの構築奈良先端大 情報科学研究科
 

More from 奈良先端大 情報科学研究科 (20)

テレコミュニケーションを支援してみよう
テレコミュニケーションを支援してみようテレコミュニケーションを支援してみよう
テレコミュニケーションを支援してみよう
 
マイコンと機械学習を使って行動認識システムを作ろう
マイコンと機械学習を使って行動認識システムを作ろうマイコンと機械学習を使って行動認識システムを作ろう
マイコンと機械学習を使って行動認識システムを作ろう
 
5G時代を支えるNFVによるネットワーク最適設計
5G時代を支えるNFVによるネットワーク最適設計5G時代を支えるNFVによるネットワーク最適設計
5G時代を支えるNFVによるネットワーク最適設計
 
21.Raspberry Piを用いたIoTアプリの開発
21.Raspberry Piを用いたIoTアプリの開発21.Raspberry Piを用いたIoTアプリの開発
21.Raspberry Piを用いたIoTアプリの開発
 
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析
20. 地理ビッグデータ利活用: リスク予測型自動避難誘導,地理的リスク分析
 
11.実装の脆弱性を利用して強力な暗号を解読してみよう!
11.実装の脆弱性を利用して強力な暗号を解読してみよう!11.実装の脆弱性を利用して強力な暗号を解読してみよう!
11.実装の脆弱性を利用して強力な暗号を解読してみよう!
 
8. ミニ・スーパコンピュータを自作しよう!
8. ミニ・スーパコンピュータを自作しよう!8. ミニ・スーパコンピュータを自作しよう!
8. ミニ・スーパコンピュータを自作しよう!
 
16. マイコンと機械学習を使って行動認識システムを作ろう
16. マイコンと機械学習を使って行動認識システムを作ろう16. マイコンと機械学習を使って行動認識システムを作ろう
16. マイコンと機械学習を使って行動認識システムを作ろう
 
15. テレイグジスタンスシステムを制作してみよう
15. テレイグジスタンスシステムを制作してみよう15. テレイグジスタンスシステムを制作してみよう
15. テレイグジスタンスシステムを制作してみよう
 
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう14. ビデオシースルーHMDで視覚拡張の世界を体感しよう
14. ビデオシースルーHMDで視覚拡張の世界を体感しよう
 
19. 生物に学ぶ人工知能とロボット制御
19. 生物に学ぶ人工知能とロボット制御19. 生物に学ぶ人工知能とロボット制御
19. 生物に学ぶ人工知能とロボット制御
 
13. SDRで学ぶ無線通信
13. SDRで学ぶ無線通信13. SDRで学ぶ無線通信
13. SDRで学ぶ無線通信
 
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法18. 計測に基づいた写実的なコンピュータグラフィクスの生成法
18. 計測に基づいた写実的なコンピュータグラフィクスの生成法
 
21. 人の動作・行動センシングに基づく拡張現実感システムの開発
21. 人の動作・行動センシングに基づく拡張現実感システムの開発21. 人の動作・行動センシングに基づく拡張現実感システムの開発
21. 人の動作・行動センシングに基づく拡張現実感システムの開発
 
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発
20. 友好的関係を構築する人と対話ロボットのコミュニケーション技術開発
 
9. マイコンと機械学習を使って行動認識システムを作ろう
9. マイコンと機械学習を使って行動認識システムを作ろう9. マイコンと機械学習を使って行動認識システムを作ろう
9. マイコンと機械学習を使って行動認識システムを作ろう
 
6. 生物に学ぶ人工知能とロボット制御
6. 生物に学ぶ人工知能とロボット制御6. 生物に学ぶ人工知能とロボット制御
6. 生物に学ぶ人工知能とロボット制御
 
14. モバイルエージェントによる並列分散学習システムの構築
14. モバイルエージェントによる並列分散学習システムの構築14. モバイルエージェントによる並列分散学習システムの構築
14. モバイルエージェントによる並列分散学習システムの構築
 
17. 100台の小型ロボットを協調させよう
17. 100台の小型ロボットを協調させよう17. 100台の小型ロボットを協調させよう
17. 100台の小型ロボットを協調させよう
 
5. ミニ・スーパコンピュータを自作しよう!
5. ミニ・スーパコンピュータを自作しよう!5. ミニ・スーパコンピュータを自作しよう!
5. ミニ・スーパコンピュータを自作しよう!
 

Recently uploaded

2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用KLab Inc. / Tech
 
情報を表現するときのポイント
情報を表現するときのポイント情報を表現するときのポイント
情報を表現するときのポイントonozaty
 
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperleger Tokyo Meetup
 
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルCRI Japan, Inc.
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルCRI Japan, Inc.
 
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfTakayuki Nakayama
 
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。iPride Co., Ltd.
 
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdKeywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdkokinagano2
 

Recently uploaded (8)

2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
 
情報を表現するときのポイント
情報を表現するときのポイント情報を表現するときのポイント
情報を表現するときのポイント
 
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
 
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
 
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
 
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
 
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdKeywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
 

学習データ計測時点による欠陥モジュール予測精度の比較