305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. オープンソース生態系におけるソーシャルネットワーク分析の教訓（Lessons learned from applying social network analysis on an industrial Free/Libre/Open Source Software ecosystem）
1未満 分で読了
0 views

オープンソース生態系におけるソーシャルネットワーク分析の教訓

（Lessons learned from applying social network analysis on an industrial Free/Libre/Open Source Software ecosystem）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下から「オープンソースを分析して競合と協業の傾向が分かる」って話を聞きまして。現場導入の前に、そもそも何がそんなに価値なんですか？教えてください。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。結論を先に言うと、ソーシャルネットワーク分析（Social Network Analysis、SNA）は、誰と誰がコードや議論でつながっているかを見える化し、競合と協業の実態を定量的に示せるんですよ。要点は三つです：コミュニケーションの中心者、企業間の協力関係、そして時間変化です。これだけ分かれば投資対効果の判断材料になりますよ。

田中専務

んー、中心者っていうのはリーダーのことですか？それが分かって何が変わるんでしょうか。これって要するに、誰に情報を渡せばプロジェクトが動くかが分かるということですか？

AIメンター拓海

まさにその通りです！ただし「リーダー＝肩書き」ではないことがポイントですよ。SNAでいう中心者は、実際にコミットやレビュー、議論を多く行っている人物で、現場の

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
カーネルベイズ則に関する考察
（Remarks on kernel Bayes’ rule）
次の記事
凸ファクタライゼーションマシンによる回帰
（Convex Factorization Machine for Regression）
関連記事
相対論的真空状態の驚くべき性質
（Yet More Ado About Nothing: The Remarkable Relativistic Vacuum State）
未知を段階的に受け入れる：実世界での信頼できるスパース学習へ
（Embracing Unknown Step by Step: Towards Reliable Sparse Training in Real World）
突然変化する環境下における分散マルチプレーヤー多腕バンディット問題
（On Distributed Multi-player Multiarmed Bandit Problems in Abruptly Changing Environment）
xAIに向けたRNN重みのドメイン知識による設定によるMIMO受信処理
（Towards xAI: Configuring RNN Weights using Domain Knowledge for MIMO Receive Processing）
逆行列を使わないガウス過程のパラメータ推定の整合性
（On the consistency of inversion-free parameter estimation for Gaussian random fields）
Large-scale Classification of Fine-Art Paintings: Learning The Right Metric on The Right Feature
（大規模絵画分類：適切な特徴に対する適切な距離学習）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む