Just-In-Time (JIT)-Kompilierung

A statistical measure of a process's ability to produce output within customer-defined specification limits. Unlike control charts, which track stability, Cpk quantifies capability. It measures how centered the process is between the specification limits and accounts for process variation. A higher Cpk value indicates a more capable process. The formula is [latex]C_{pk} = \min\left[\frac{USL - \mu}{3\sigma}, \frac{\mu - LSL}{3\sigma}\right][/latex].

Das Spiralmodell ist ein risikoorientiertes Softwareentwicklungsprozessmodell, das Elemente des Prototypings und des Wasserfallmodells kombiniert. Es handelt sich um eine Art iterativer Entwicklung, bei der das Projekt in jeder Iteration (Spirale) vier Phasen durchläuft: Ziele festlegen, Risiken identifizieren und beheben, entwickeln und testen sowie die nächste Iteration planen. Der Schwerpunkt liegt auf der kontinuierlichen Risikoanalyse.

Signal detection is the process of identifying potential causal relationships between a drug and an adverse event from large datasets, typically spontaneous reporting systems. It uses statistical methods, known as disproportionality analysis, to find drug-event combinations reported more frequently than expected. A common measure is the Reporting Odds Ratio (ROR), a value greater than one suggesting a potential signal that requires further investigation.

Jakob Nielsen, ein bekannter Usability-Berater, vor allem in den Bereichen UI und Webdesign, definierte Usability anhand von fünf Qualitätskomponenten: Erlernbarkeit (wie leicht ist es für Benutzer, grundlegende Aufgaben beim ersten Mal zu erledigen?), Effizienz (wie schnell können sie einmal erlernte Aufgaben erledigen?), Einprägsamkeit (können Benutzer ihre Kenntnisse nach einer Zeit der Nichtbenutzung wiederherstellen?), Fehler (wie viele Fehler machen Benutzer?) und Zufriedenheit (wie angenehm ist die Nutzung?).

Die internationale Norm ISO 9241-11 definiert Usability als das „Ausmaß, in dem ein Produkt von bestimmten Benutzern in einem bestimmten Nutzungskontext effektiv, effizient und zufriedenstellend genutzt werden kann, um bestimmte Ziele zu erreichen.“ Diese Definition bietet einen Rahmen für die Messung der Usability, indem sie diese in drei verschiedene, quantifizierbare Komponenten unterteilt und so über rein subjektive Bewertungen hinausgeht.

BFT (Akronym für Byzantine Fault Tolerance) ist eine Eigenschaft eines Systems, die es ihm ermöglicht, auch dann korrekt zu arbeiten und einen Konsens zu erreichen, wenn einige seiner Komponenten auf willkürliche, unvorhersehbare Weise ausfallen, einschließlich böswilligen Verhaltens (byzantinische Ausfälle). Dies ist eine viel stärkere Garantie als das Tolerieren einfacher Ausfälle. Es sind mindestens [latex]3f+1[/latex] Gesamtkomponenten erforderlich, um [latex]f[/latex] fehlerhafte, böswillige Komponenten zu tolerieren.

RAID (acronym of Redundant Array of Independent Disks) is a data storage virtualization technology that combines multiple physical disk drives into one or more logical units for data redundancy, performance improvement, or both. Different RAID levels provide varying balances of reliability, availability, performance, and capacity. For example, RAID 1 mirrors data across two disks, while RAID 5 stripes data and parity across at least three disks.

Agiles Projektmanagement ist ein iterativer Ansatz zur Umsetzung eines Projekts über seinen gesamten Lebenszyklus. Große Projekte werden dabei in kleinere, überschaubare Aufgaben unterteilt, die in kurzen Iterationen oder „Sprints“ abgeschlossen werden. Dies ermöglicht eine regelmäßige Neubewertung, Anpassung von Plänen und Flexibilität bei der Reaktion auf Veränderungen. Die Zusammenarbeit mit dem Kunden, funktionierende Software und die Reaktion auf Veränderungen haben dabei Vorrang vor umfassender Dokumentation und starren Plänen.

Algorithmic bias mitigation techniques are categorized into three main stages relative to the model training process. Pre-processing methods modify the training data itself (e.g., reweighing, resampling). In-processing methods incorporate fairness constraints directly into the model's learning algorithm. Post-processing methods adjust the model's predictions after they have been made to improve fairness.