Автоматическая система идентификации была разработана Международной морской организацией в 2004 году для предотвращения столкновений между крупными судами. Эта система требует, чтобы все коммерческие суда (с валовым тоннажем более 300) и пассажирские суда передавали своё положение и другие характеристики через наземные станции и спутники. Получаемые данные очень сложны, так как включают динамическую информацию о движениях судна (положение и скорость) и статическую информацию о характеристиках судна и атрибутах рейса.
Хотя AIS была изначально разработана для обеспечения безопасности на море, недавние работы исследователей МВФ подчеркнули её потенциал для прогнозирования экономической статистики, с особым акцентом на торговлю. В наибольшей степени, Арсланалп, Кёпке и Вершур (2019) провели исследование для отслеживания ежедневной товарной торговли на уровне портов в Тихоокеанских островах.
Эта ветка работы будет развиваться, адаптируя и улучшая методологии для вывода торговой и рыболовной статистики для стран Тихоокеанского региона.
Визуализация данных
Микронезия, Федеративные Штаты
- Нет подготовленных данных
Папуа – Новая Гвинея
Методологии оценки торговли
Сегодня разработчики делают гораздо больше, чем просто пишут и выпускают код – на них возлагаются ожидания по навигации в ряде инструментов, сред и технологий, включая новый фронт генеративного искусственного интеллекта. Но самое важное для разработчиков – это опыт разработчика, который определяет, насколько эффективно и продуктивно разработчики могут превзойти стандарты, войти в поток и повлиять.
Я говорю не только как главный продуктовый директор GitHub, но и как давний разработчик, который работал на всех уровнях стека. Десятилетия назад, когда я получил степень магистра механической инженерии, я стал одним из первых технологов, применивших ИИ в лаборатории. Тогда нашим моделям требовалось пять дней для обработки наших более крупных наборов данных – что удивительно, учитывая скорость современных ИИ моделей. Мне хотелось инструментов, которые сделали бы меня более эффективным и сократили срок моего выхода на производство. Поэтому я страстно увлечён опытом разработчика и сделал его своим фокусом как главный продуктовый директор GitHub.
В условиях быстрого развития генеративного ИИ мы хотели получить лучшее понимание от разработчиков о том, как новые инструменты и текущие рабочие процессы влияют на общий опыт разработчика. В качестве отправной точки мы сосредоточились на некоторых основных компонентах опыта разработчика: производительности разработчика, совместной работы команд, ИИ и то, как разработчики считают, что могут лучше всего повлиять на корпоративные среды.
Inbal Shani Главный продуктовый директор // GitHub
Узнайте, как генеративный ИИ меняет опыт разработчика
Узнайте, как генеративный искусственный интеллект меняет разработку программного обеспечения в предзаписанной сессии от GitHub.
Почему важен опыт разработчика
Роль сотрудничества в опыте работы разработчика
В GitHub мы понимаем, что часто существует значительный разрыв между повседневной реальностью большинства разработчиков и разговорами о том, что хотят разработчики.
С помощью этого опроса мы хотели лучше понять типичный опыт работы разработчиков и выявить ключевые способы компаний для того, чтобы укрепить своих разработчиков и добиться большего успеха.
Одно из важных уроков: это начинается с инвестирования в отличный опыт работы для разработчиков. И сотрудничество, как мы узнали из нашего исследования, является основой того, как хотят работать разработчики и что делает их наиболее продуктивными, удовлетворенными и влиятельными.
Формула DevEx, учитывающая
Для руководителей опыт работы разработчиков заключается в создании сотруднической среды, где разработчики могут быть наиболее продуктивными, влиятельными и довольными на работе. Для разработчиков сотрудничество является одной из самых важных частей уравнения.
Текущие метрики производительности не отвечают ожиданиям разработчиков
Способы, которыми в настоящее время оцениваются разработчики, не соответствуют тому, как они считают, что их производительность должна быть измерена.
Метрики, используемые в настоящее время для измерения производительности, сравниваются с метриками, которые разработчики считают должными для измерения своей производительности.
Более важными метриками производительности, чем количество и эффективность выхода кода, являются качество кода и сотрудничество, согласно разработчикам, которых мы опросили.
Желание разработчиков получать обратную связь от конечных пользователей, но возникают сложности
Две основные задачи разработчиков по ежедневной работе включают написание кода (32%) и поиск и исправление уязвимостей безопасности (31%).
Сотрудничество – угловой камень опыта работы разработчика
В нашем опросе среди разработчиков предприятий разработчики говорят, что работают в среднем с 21 другим разработчиком над типичным проектом, и 52% сообщают, что работают с другими командами ежедневно или еженедельно. Заметим, что они отмечают регулярные контактные точки как наиболее важный фактор для эффективного сотрудничества.
Сотрудничество разработчиков в корпоративной среде
Tips for Improving Developer Collaboration
Notably, developers believe AI coding tools will give them more time to focus on solution design. This has direct organizational benefits and means developers believe they’ll spend more time designing new features and products with AI instead of writing boilerplate code.
Developers believe that AI coding tools will help them focus on higher-value problem solving.
Developers think AI increases productivity and prevents burnout
Not only can AI coding tools help improve overall productivity, but they can also provide upskilling opportunities to help create a smarter workforce according to the developers we surveyed.
AI is improving the developer experience across the board
Developers in our survey suggest they can better meet standards around code quality, completion time, and the number of incidents when using AI coding tools—all of which are measures developers believe are key areas for evaluating their performance.
AI coding tools can also help reduce the likelihood of coding errors and improve the accuracy of code—which ultimately leads to more reliable software, increased application performance, and better performance numbers for developers. As AI technology continues to advance, it is likely that these coding tools will have an even greater impact on developer performance and upskilling.
AI coding tools are layering into existing developer workflows and creating greater efficiencies
Developers believe that AI coding tools will increase their productivity—but our survey suggests that developers don’t think these tools are fundamentally altering the software development lifecycle. Instead, developers suggest they’re bringing greater efficiencies to it.
The bottom line Almost all developers (92%) are using AI coding at work—and they say these tools not only improve day-to-day tasks but enable upskilling opportunities, too. Developers see material benefits to using AI tools including improved performance and coding skills, as well as increased team collaboration.
The path forward
Developer satisfaction, productivity, and organizational impact are all positioned to get a boost from AI coding tools—and that will have a material impact on the overall developer experience.
92% of developers already saying they use AI coding tools at work and in their personal time, which makes it clear AI is here to stay. 70% of the developers we surveyed say they already see significant benefits when using AI coding tools, and 81% of the developers we surveyed expect AI coding tools to make their teams more collaborative—which is a net benefit for companies looking to improve both developer velocity and the developer experience.
Notably, 57% of developers believe that AI could help them upskill—and hold the potential to build learning and development into their daily workflow. With all of this in mind, technical leaders should start exploring AI as a solution to improve satisfaction, productivity, and the overall developer experience.
In addition to exploring AI tools, here are three takeaways engineering and business leaders should consider to improve the developer experience:
Methodology
Juan M. Lavista Ferres (2022)
Juan M. Lavista Ferres
A Deep Dive into the Expanding Open Data Landscape on GitHub
Artificial intelligence (AI) is revolutionizing the world, driving digital innovation, promoting experimentation, boosting efficiency, and accelerating progress across numerous industries. Open data is a critical component of this revolution, providing access to vast amounts of data necessary for building reliable AI models.
GitHub is home to a diverse array of data assets that can be utilized for various purposes, including geospatial data, acoustic data, chemistry data, bioinformatics data, medical imaging data, genomics data, and more.
The availability of open data on GitHub holds immense potential to advance AI research by granting researchers and practitioners access to an expanding volume of data across different domains. The platform itself can be utilized to encourage collaboration and stimulate the development of more advanced AI models. Access to extensive datasets is crucial for scaling AI models, and by hosting open data on GitHub, researchers can easily access and utilize these datasets, ultimately contributing to advancements in the field.
The impact of making data publicly accessible cannot be overstated. By democratizing access to open data, we can level the playing field and foster more diverse perspectives in AI research. This, in turn, will result in more innovative and inclusive AI solutions that benefit everyone. We believe that this is an essential step toward building a more equitable and just world, especially as AI becomes increasingly integrated into our daily lives.
Help improve contributions
Contribution hidden for you
Insights from the community
Table of Contents
In this article, we will explore a command line tool called AI Commit that can greatly simplify the process of creating commit messages in Git. We will discuss its features, installation process, how to use it, and various ways to customize commit messages. Additionally, we will cover how AI Commit analyzes an entire repository and compare its suggestions with original commit messages. By the end of this article, you will have a clear understanding of how AI Commit can improve your workflow and make Git usage more efficient and enjoyable.
Overview of the Command Line Tool
AI Commit is a tool designed to suggest commit messages for Git repositories. It utilizes artificial intelligence to analyze the changes in your repository and generate multiple suggestions for commit messages. With AI Commit, you no longer have to spend time thinking about what to write in your commit message, as it provides you with a convenient list of options.
Installing AI Commit
Before using AI Commit, you need to ensure that you have Pip installed on your system. If you don’t have Pip or Python, you can easily find installation instructions by performing a quick Google search. Once you have Pip installed, you can simply run the command pip install AI commit to fetch and install AI Commit from Pi Pi.
Using AI Commit
After installing AI Commit, the first time you run it, it will Prompt you to enter your OpenAI API Key. You can find the API key by logging in to OpenAI, accessing the "View API keys" option in the top right menu, and generating a new key if needed. Once your API key is set, you can use AI Commit by typing AI commit in any Git repository. AI Commit will then suggest a variety of commit messages based on the changes in your repository.
Customizing Commit Messages
AI Commit not only provides ready-made suggestions but also allows you to customize the commit messages according to your preferences. You can easily edit the suggested messages to better reflect the purpose of your changes. For example, if AI Commit suggests a message mentioning "Laura Pi," you can modify it to say "Fix Laura" for better Clarity. After making the desired changes, simply hit enter, and AI Commit will commit the changes with your modified message.
Finding Your API Key
To use AI Commit, you need to obtain your OpenAI API key. To find your API key, log in to OpenAI and click on the "View API keys" option available at the top right of the page. From there, you can create or generate a new API key as required.
Analyzing an Entire Repo
Alongside AI Commit, the developer has also included another tool in the same repository on GitHub. This tool allows you to analyze an entire Git repository to compare the AI-generated commit messages with the original ones written by individuals. By running the "scan repo" command and providing your API key and the GitHub or Git URL of your repository, you can generate a CSV file containing both the original commit messages and five AI-generated suggestions.
Comparing AI Generated Messages with Original Messages
By analyzing the AI-generated commit messages alongside the original ones, you can determine the effectiveness of AI Commit. In some cases, the AI suggestions may not accurately capture the overall project goals, focusing only on the changes in the diff. For such cases, you might prefer the original commit messages that have a better understanding of the project context. The developer performed a comparison and found that out of 58 commits, 18 of them had original messages that were preferred over the AI-generated suggestions. However, AI Commit still maintained an overall success rate of about 70%, indicating its effectiveness in providing valuable commit message suggestions.
Highlights
A: Yes, AI Commit includes both diff and unstaged changes in its analysis to provide comprehensive commit message suggestions.
How does AIS position validation work?
Using additional RF data through doppler frequency shift and associated accurate timing data collected at the time of receipt of transmitted AIS messages, AIS Position Validation independently calculates a vessel’s location at the time of AIS transmission (even if AIS messages do not include valid GPS data).
This can be compared to the reported position contained within the AIS messages received from a vessel.
Request more info on AIS Position Validation
https://www.youtube-nocookie.com/embed/KAtFrJkR1K4?feature=oembed
Delivery methods
Provides the latest vessel position, static and voyage information associated with given target (MMSI), and summary information, i.e., latest validated and positional anomaly events, and associated counts and timestamps.
Detailed view
Provides full information on detected events for target (MMSI), i.e., event type, associated reported and estimated positions, and relative distances in kilometers between estimated and reported positions.
Data format options
Valid events: +-99.5%
Invalid events: +-0.5%
Out of footprint events: +-0.04%
Best in class support including
Manage regulatory & reputational risk by identifying ships & ship owners that are at risk of violating sanctions; cargo owners vetting / assessing risk of vessels before fixing their cargo.
Operators
Complete AIS feed, quickly identify good and bad actors, monitor technical issues, and better inform the decision making process.
Latest AIS data webinars
Combining technologies to uncover and mitigate vessel spoofing-related risks
Watch the webinar replay and gain insights into the issues of Deceptive Shipping Practices and vessel spoofing and how to tackle them using innovative technologies. A webinar by Spire Maritime, in partnership with Windward and Planet.
Harnessing state of the art maritime solutions to uncover hidden fishing vessel movements in the Pacific
Uncover vessel and buoy behavior using state of the art AIS maritime solutions, AIS Position Validation and Starboard’s platform and expertise.