StackOverflow 与 Kaggle：关于开发者数据科学讨论的研究
计算与语言
2020-06-16 v1 软件工程
摘要
软件开发人员越来越需要理解基础数据科学（DS）概念。近来，机器学习（ML）和深度学习（DL）在用户应用开发中的存在急剧增加，无论它们是经由框架利用还是从零实现。这些主题在在线平台上引发大量讨论。本文进行大规模定性与定量实验，研究来自StackOverflow和Kaggle的197836篇帖子的特征。使用Latent Dirichlet Allocation主题建模提取二十四个DS讨论主题。主要发现包括：TensorFlow相关主题在StackOverflow中最普遍，而元讨论主题在Kaggle中最普遍。StackOverflow倾向于包含底层故障排除，而Kaggle聚焦于实用性和优化排行榜表现。此外，在两个社区中，DS讨论均以急剧速率增长。尽管StackOverflow上TensorFlow讨论在放缓，对Keras的兴趣在上升。最后，集成算法是Kaggle中最常被提及的ML/DL算法，但在StackOverflow上很少讨论。这些发现可帮助教育者和研究者更有效地调整并优先努力，以针对不同开发者社区研究和传播DS概念。
引用
@article{arxiv.2006.08334,
title = {StackOverflow vs Kaggle: A Study of Developer Discussions About Data Science},
author = {David Hin},
journal= {arXiv preprint arXiv:2006.08334},
year = {2020}
}