オートノミック・コンピューティング: 基礎と応用
By Fouad Sabry
()
About this ebook
オートノミック コンピューティングとは
オートノミック コンピューティング (AC) とは、自己管理機能を持つ分散コンピューティング リソースの利用を指します。 これらのリソースは、ユーザーやオペレーターから根本的な複雑さを隠しながら、予測不可能な変化に適応できます。 2001 年に IBM によって開始されたこの取り組みは、自己管理が可能なコンピューター システムの作成、増大し続けるコンピューティング システム管理の複雑性の克服、および複雑さによってもたらされる障壁を軽減することを最終目標としています。
どのようなメリットがあるか
(I) 次のトピックに関する洞察と検証:
第 1 章: オートノミック コンピューティング
第 2 章: コンピューター科学者のリスト
第 3 章: アルゴリズムの効率
第 4 章: コンピューター サイエンスの概要
第 5: 自己管理 (コンピュータ サイエンス)
第 6 章: 自律ネットワーク
第 7 章: コンピュータ クラスタ
第 8 章: クラウド コンピューティング
第 9 章: ポリシーベースの管理
第 10 章: 人工知能の用語集
(II) オートノミック コンピューティングに関する一般のよくある質問に答える。
( III) 多くの分野におけるオートノミック コンピューティングの使用例の実例。
(IV) オートノミック コンピューティングのテクノロジーを 360 度完全に理解するために、各業界の 266 の新興テクノロジーを簡潔に説明する 17 の付録
この本の対象者
専門家、学部生および大学院生、愛好家、愛好家、および基本的な知識や情報を超えて学びたい人 あらゆる種類のオートノミック コンピューティング。
Read more from Fouad Sabry
Related to オートノミック・コンピューティング
Titles in the series (100)
交互決定ツリー: 基礎と応用 Rating: 0 out of 5 stars0 ratings畳み込みニューラル ネットワーク: 視覚的な画像を分析するための基礎と応用 Rating: 0 out of 5 stars0 ratingsフィードフォワード ニューラル ネットワーク: 思考機械とニューラルウェブのアーキテクチャの基礎と応用 Rating: 0 out of 5 stars0 ratings分散型人工知能: 基礎と応用 Rating: 0 out of 5 stars0 ratingsパーセプトロン: 神経ビルディングブロックの基礎と応用 Rating: 0 out of 5 stars0 ratings放射状基底ネットワーク: 人工ニューラルネットワークの活性化機能の基礎と応用 Rating: 0 out of 5 stars0 ratings誤差逆伝播法: 深層学習のトレーニング用データを準備するための基礎と応用 Rating: 0 out of 5 stars0 ratingsリカレント ニューラル ネットワーク: シンプルなアーキテクチャからゲート付きアーキテクチャまでの基礎と応用 Rating: 0 out of 5 stars0 ratings長短期記憶: シーケンス予測の基礎と応用 Rating: 0 out of 5 stars0 ratingsサポートベクターマシン: 基礎と応用 Rating: 0 out of 5 stars0 ratings多層パーセプトロン: ニューラル ネットワークをデコードするための基礎と応用 Rating: 0 out of 5 stars0 ratingsハイブリッド ニューラル ネットワーク: 生物学的ニューラルネットワークと人工ニューロンモデルの相互作用の基礎と応用 Rating: 0 out of 5 stars0 ratings人工ニューラルネットワーク: 神経計算の謎を解読するための基礎と応用 Rating: 0 out of 5 stars0 ratings競争学習: 競争による強化学習の基礎と応用 Rating: 0 out of 5 stars0 ratings包含アーキテクチャ: 行動ベースのロボティクスと反応制御の基礎と応用 Rating: 0 out of 5 stars0 ratings身体化された認知科学: 基礎と応用 Rating: 0 out of 5 stars0 ratingsホップフィールドネットワークス: 記憶を保存するニューラルネットワークの基礎と応用 Rating: 0 out of 5 stars0 ratings統計的分類: 基礎と応用 Rating: 0 out of 5 stars0 ratingsデータ処理のグループ方法: 予測モデリングとデータ分析の基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能システムの統合: 基礎と応用 Rating: 0 out of 5 stars0 ratingsヘビアン学習: 記憶と学習を統合するための基礎と応用 Rating: 0 out of 5 stars0 ratingsアトラクターネットワーク: 計算神経科学の基礎と応用 Rating: 0 out of 5 stars0 ratings制限付きボルツマンマシン: 人工知能の隠れた層を解明するための基礎と応用 Rating: 0 out of 5 stars0 ratings身体化された認知: 基礎と応用 Rating: 0 out of 5 stars0 ratingsK最近隣アルゴリズム: 基礎と応用 Rating: 0 out of 5 stars0 ratings神経進化: 神経進化で人間の知性を超えるための基礎と応用 Rating: 0 out of 5 stars0 ratings命題論理: 基礎と応用 Rating: 0 out of 5 stars0 ratings位置特定型人工知能: インテリジェンスとアクションを統合するための基礎と応用 Rating: 0 out of 5 stars0 ratingsバイオにインスピレーションを得たコンピューティング: デジタル世界での生物学的インスピレーションの基礎と応用 Rating: 0 out of 5 stars0 ratingsヌーベル人工知能: 昆虫と同等の知能を持つロボットを作るための基礎と応用 Rating: 0 out of 5 stars0 ratings
Related ebooks
コンピューターオーディション: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピュータサイエンスオントロジー: 基礎と応用 Rating: 0 out of 5 stars0 ratingsクリエイティブ コンピューティング: 基礎と応用 Rating: 0 out of 5 stars0 ratings焼き鈍し法: 基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能による乗っ取り: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピューター代数: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピューターチェス: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピュータビジョン: 基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能のユーモア: 基礎と応用 Rating: 0 out of 5 stars0 ratings制限付きボルツマンマシン: 人工知能の隠れた層を解明するための基礎と応用 Rating: 0 out of 5 stars0 ratings上位オントロジー: 基礎と応用 Rating: 0 out of 5 stars0 ratingsインテリジェントエージェント: 基礎と応用 Rating: 0 out of 5 stars0 ratingsフレンドリーな人工知能: 基礎と応用 Rating: 0 out of 5 stars0 ratingsエキスパートシステム: コンピュータに専門家のように考えることを教えるための基礎と応用 Rating: 0 out of 5 stars0 ratings矛盾のないロジック: 基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能の常識: 基礎と応用 Rating: 0 out of 5 stars0 ratings差分進化: 基礎と応用 Rating: 0 out of 5 stars0 ratings知覚コンピューティング: 基礎と応用 Rating: 0 out of 5 stars0 ratingsエージェントのアーキテクチャ: 基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能による監禁: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピュータサイエンスの自己管理: 基礎と応用 Rating: 0 out of 5 stars0 ratings包含アーキテクチャ: 行動ベースのロボティクスと反応制御の基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能の完成: 基礎と応用 Rating: 0 out of 5 stars0 ratings人工知能システムの統合: 基礎と応用 Rating: 0 out of 5 stars0 ratingsコンピューティング機械とインテリジェンス: 基礎と応用 Rating: 0 out of 5 stars0 ratings特異点主義: 基礎と応用 Rating: 0 out of 5 stars0 ratings手段目的分析: 基礎と応用 Rating: 0 out of 5 stars0 ratingsバイオにインスピレーションを得たコンピューティング: デジタル世界での生物学的インスピレーションの基礎と応用 Rating: 0 out of 5 stars0 ratings仮説的推論: 基礎と応用 Rating: 0 out of 5 stars0 ratingsデフォルトの推論: 基礎と応用 Rating: 0 out of 5 stars0 ratings
Reviews for オートノミック・コンピューティング
0 ratings0 reviews
Book preview
オートノミック・コンピューティング - Fouad Sabry
第1章: オートノミック・コンピューティング
オートノミック・コンピューティング (AC) とは、自己管理品質を持つ分散コンピューティング・リソースの使用を指します。これらのリソースは、システムの本質的な複雑さをユーザーやオペレーターから隠しながら、予測できないほど変化する条件に適応できます。IBMが2001年に開始したこのプロジェクトは、自らを管理できるコンピュータシステムの構築、急速に増大するコンピューティングシステム管理の克服、および複雑さがさらなる成長にもたらす障壁の低減を最終目標としていました。
ACシステムの背後にある考え方は、適応的な決定に到達するために高レベルのポリシーを使用できる必要があるということです。定期的にステータスをチェックして改善し、環境の変化に合わせて自動的に調整します。相互に通信するオートノミック・コンポーネント (AC) を使用するコンピューティング・フレームワークは、オートノミック・コンピューティング・フレームワークと呼ばれます。ACは、センサー(自己監視目的)とエフェクター(自己調整目的)、知識、および自己および環境意識に基づくポリシーを利用するためのプランナー/アダプターを備えた、ローカルとグローバルの2つの主要な制御スキームの観点からモデル化できます。このアーキテクチャは、監視、分析、計画、実行アーキテクチャ (MAPE) とも呼ばれます。
このようなビジョンの結果として、「自己調整」自律型コンポーネントに基づくさまざまなアーキテクチャフレームワークが最近提案されています。近年、これと非常によく似たパターンが、マルチエージェントシステムの分野での重要な研究を特徴づけています。ただし、これらのアプローチの大部分は、通常、集中型またはクラスターベースのサーバーアーキテクチャを念頭に置いて考案されており、複雑なソフトウェアシステムを有効にしたり革新的なサービスを提供したりする必要性ではなく、管理コストを削減する必要性にほとんど対処します。さらに、これらのアプローチの大部分は、管理コストを削減する必要性に対処することに焦点を当てています。特定のオートノミック・システムでは、モバイル・エージェントは、疎結合のみの通信メカニズムを介して相互に対話します。
最新の予測によると、使用されているコンピューティングデバイスの数は毎年38%増加します。コンピューティングシステムは、速度の向上と自動化という形で経済に大きな利益をもたらしましたが、現時点ではメンテナンスを自動化することが圧倒的に必要とされています。
KephartとChessは、2003年にIEEE Computerに掲載された記事で読者に、アーキテクトが相互作用の複雑さを予測、設計、または維持できない「パーベイシブコンピューティングの悪夢」は、コンピューティングシステムとデバイスの相互接続の「夢」になる可能性があると警告しています。彼らによると、自律コンピューティングの最も重要な側面はシステムの自己管理であり、管理者は低レベルのタスク管理から解放されると同時に、システムの動作が改善されます。
現代の分散コンピューティングシステムの複雑さ、特にそれらの管理の複雑さは、それらのさらなる発展を妨げるますます重要な要素になりつつあります。これは、業界全体に影響を与える広範な問題です。通信と計算は、大規模なコンピュータネットワークの活用により、大企業や機関によって処理されています。これらのコンピュータネットワーク上で現在実行されている分散アプリケーションは多様であり、Webコンテンツの表示からカスタマーサポートの提供に至るまで、さまざまなタスクを処理します。
これに加えて、モバイルコンピューティングはこれらのネットワーク全体に急速に普及しており、労働者はオフィスから離れていても雇用主と通信できる必要があるために必要です。彼らは、ラップトップ、パーソナルデジタルアシスタント、携帯電話などのモバイルデバイス上のさまざまな形式のワイヤレステクノロジーを介して会社のデータにアクセスすることでこれを実現します。
その結果、コンピュータネットワーク全体が非常に複雑になり、人間のオペレータがコンピュータネットワークを手動で制御することが困難になります。手動制御方法は非効率的でコストがかかり、間違いを犯しやすいです。成長するコンピュータネットワークの制御を維持するために通常必要とされる手作業の量は、非常に急速にエスカレートする傾向があります。
クライアント固有のアプリケーション層とデータベース層は、この種のインフラストラクチャの問題の80%の場所です。いわゆる「オートノミック」サービスプロバイダーの大多数は、配管層(電源、ハードウェア、オペレーティングシステム、ネットワーク、および基本的なデータベースパラメータ)までのみを保証します。
最新のネットワークコンピューティングシステムに、人間からの直接の介入を必要とせずに自分自身を管理できるようにすることは、1つの潜在的な解決策です。ACIとしても知られるオートノミック・コンピューティング・イニシアチブの目標は、自律型コンピュータ・システムの基礎を築くことです。人体の自律神経系は、そのインスピレーションの源として役立ちました。意識的な心からの介入を必要とせずに、この神経系は呼吸、心拍数、血圧などの重要な身体プロセスの調節を担当します。
システムを直接制御する代わりに、自身を管理するオートノミック・システムの人間のオペレーターは、自己管理のプロセスを指示する一般的なポリシーとルールを定義する責任がある新しい役割を引き受けます。IBM は、このプロセスの目的で、セルフスター・プロパティーと呼ばれる以下の 4 つのタイプのプロパティーを定義しました。これらのプロパティは、self-x プロパティまたは自動スター プロパティとも呼ばれます。
自律システム構成 (コンポーネントの自己構成とも呼ばれます)。自己修復とは、エラーの自動識別と修正を指します。自己最適化は、設定された要件に従ってリソースが最高の可能性で機能していることを確認するためのリソースの自動監視と制御として定義できます。恣意的攻撃に対する保護と積極的な識別は、自己防衛の2つの側面です。
Posladなどの他のものは、以下に示すように自己星のセットに追加されています。
外部制御を必要とせずに、サービス品質などのパラメータをリセット範囲内に維持するように動作するシステムは、自己調整を備えていると言われます。外部制御を必要としない教師なし学習などの機械学習の手法は、「自己学習」が可能なシステムによって利用されます。自己認識は、自己検査および自己決定とも呼ばれ、システムが自分自身を知る能力を指します。それ自体のリソースとリンク先のリソースの両方の全範囲を認識する必要があります。構成部分を管理および制御するには、システムは内部接続と外部接続の両方を意識する必要があります。システムの構造が、システムの外部からの明示的な圧力や関与なしに物理タイプのモデルによって駆動されるプロセスは、自己組織化と呼ばれます。自己創造は、システムの外部からの明示的な圧力や関与なしに、生態学的および社会的タイプのモデルによって推進されるタイプのシステムです。自己創造は、自己組織化および自己複製とも呼ばれます。システムのメンバーは自発的で自発的であり、絶えず変化する戦略的要求に対する創造的な対応として複雑さと秩序を生み出します。外部からの介入を必要とせずに自らを管理するシステムは、自己管理を実践すると言われていますが、これは自治とも呼ばれます。管理されるものは、システムやアプリケーションごとに異なる場合があります。「自己管理」という用語は、単一のセルフスタープロセスを指す代わりに、オートノミックコンピューティングなどのセルフスタープロセスの集合を指すこともできます。システムがそれ自体を記述する場合、これは自己記述の例であり、自己説明または自己表現とも呼ばれます。(人間が)理解するために追加の説明は必要ありません。
IBM は、自律システムに存在しなければならない 8 つの特性を概説しています。
システムは
アクセスできるリソース、機能と制限、および他のシステムに接続されている方法と理由に関して自分自身を理解してください。コンピューティング環境の変化する条件に応じて自動的に構成および再構成できる。可能な限り最も生産的なコンピューティングプロセスを保証するために、そのパフォーマンスを最大化できること。それ自体を修復するか、問題のある領域からその機能をリダイレクトすることにより、発生した問題を回避できる。システムの全体的なセキュリティと整合性を維持するために、さまざまな種類の攻撃を検出、識別、および防御します。隣接するシステムと対話し、変化する環境に適応しながら通信プロトコルを確立します。彼らが変化するにつれてその周囲に適応する。公的仕様に依存し、第三者によって制御される環境で動作することはできません。ユーザーとのオープンなコミュニケーションを維持しながら、リソースにかかる需要を予測します。
オートノミック・システムはさまざまな目的を果たすことができ、したがってさまざまな方法で動作しますが、各オートノミック・システムは、意図した目的を正常に果たすために、ベースライン・セットの特性を実証できる必要があります。
自動:これは基本的に、外部入力を必要とせずに独自の内部機能と操作を制御できることを意味します。このため、自律システムは、人間や外界からの支援を必要とせずに、自動的に起動して正常に機能できる必要があります。繰り返しになりますが、システムを「ブートストラップ」するために必要な「ノウハウ」は、すでにシステムの不可欠な部分でなければなりません。
適応性:オートノミック・システムは、その動作方法(すなわち、その構成、状態、および機能)を調整できる必要があります。このため、システムは、長期的(環境のカスタマイズ/最適化)または短期的(悪意のある攻撃、障害などの例外条件)のいずれかで、運用コンテキストの時間的および空間的変化に適応できます。
認識:現在の動作が目標を達成しているかどうかを判断するには、自律システムが動作している外部環境と内部での状態の両方を監視(感知)できる必要があります。システムの運用動作は、意識の制御下での状況または状態の変化に応じて適応されます。
自律システムのデプロイメントを目的として、IBM は、オートノミック・デプロイメント・モデルとも呼ばれる 5 つの異なる進化レベルを定義しました。
現状は、最も基本的なレベルであり、主に手動で管理されたシステムで構成されるレベル1で描かれています。
レベル2〜4ではますます自動化された管理機能が導入され、レベル1〜1では手動管理機能が導入されます。
自律型自己管理システムの最終的な目標は、可能な最高レベルであるレベル 5 で表されます。
モデル・ビュー・コントローラー (MVC) パターンなどの設計パターンを利用して、機能上の問題をカプセル化することによって懸念事項の分離を改善することは、オートノミック・システムの設計の複雑さを単純化する 1 つの方法です。デザイン パターンの他の例としては、MVVM パターンや MVP パターンなどがあります。
閉じた制御ループは、自律システムで使用される重要な基本的な考え方です。このよく知られたアイデアは、プロセス制御理論と呼ばれる科学の一分野に由来しています。自己管理システムの閉制御ループの目的は、何らかのリソース(ソフトウェアまたはハードウェアコンポーネント)を監視することであり、システムはそれ自体でリソースのパラメータを所定の範囲内に維持しようとします。
IBMによると、大規模な自己管理コンピュータシステムでは、数百または数千ものこれらの制御ループが連携して機能することが予想されます。
オートノミック・システムの基本的な構成要素はセンシング機能(センサーSi)であり、これによりシステムは外部環境の動作コンテキストを観察できます。
自律神経系は、その動作の背後にある意図(その目的)の知識と、外部からの干渉なしにそれらのアクションを実行するために必要な知識(例えば、ブートストラップ、構成知識、感覚入力の分析と解釈など)の両方を持っています。
自律神経系が実際に機能する方法は、その目的を果たすために適切な選択が行われることを保証するロジックと、(センサー入力に基づいて)操作コンテキストを観察することから生じる影響によって決定されます。
このモデルは、自律システムの機能が特定の目的に向けられているという事実を強調しています。これは、その「生存本能」、その使命(例えば、それが提供するはずのサービス)、その方針(例えば、基本的な行動を定義する)、およびその方針を指します。これが制御システムであれば、フィードバック誤差関数としてエンコードされます。ヒューリスティックによって支援されたシステムであれば、運用スペースをバインドする一連のヒューリスティックと組み合わされたアルゴリズムとしてエンコードされます。
{第 1 章終了}
第2章:コンピュータ科学者のリスト
これはコンピュータ科学者のリストであり、コンピュータサイエンスの分野で働く人々、特に研究を行い、本を出版する人々が含まれます。
プログラマーとしての仕事でよく知られている人々は、プログラミングに加えて研究も行っているため、このリストに含まれています。これらの個人のいくつかは、デジタルコンピュータの開発前に住んでいました。しかし、彼らの仕事がコンピューターの開発に貢献していると見なすことができるという事実から、私たちは現在、彼らをコンピューター科学者と見なしています。その他は数学者であり、その仕事は現在理論計算機科学として知られているものに属するものとして分類することができ、複雑性理論やアルゴリズム情報理論などの分野を含む。
モバイルクラウドコンピューティング、サイバーセキュリティ、モノのインターネットなど、リーマンカーンのアッタ
ウィル・ファン・デル・アールスト – ビジネスプロセス管理、プロセスマイニング、ペトリネット
量子コンピューティングと複雑性理論は、スコット・アーロンソンの専門分野の一つです。
Rediet Abebeは、コンピュータープログラムと人工知能の専門家です。
教育とコンピューティングの交差点におけるハル・アベルソンの役割
セルジュ・アビテブールが開発したデータベース理論
サムソン・アブラムスキーがビデオゲームの意味論を語る
レナード・アデルマン、RSAとDNAコンピューティング分野の創設者
マニンドラ・アグラワルによって開発された多項式時間での素数性テスト
人間ベースの計算のパイオニアであるルイス・フォン・アン
AWKの「a」としても知られるアルフレッド・アホによって書かれたコンパイラの本
フランシス・E・アレン – コンパイラ最適化
ジーン・アムダールは、スーパーコンピューター開発のパイオニアであり、アムダール社の創設者でした。
デビッドP.アンダーソンのボランティアコンピューティングの取り組み
自然なユーザーインターフェイスは、リサアンソニーの専門です。
アンドリュー・アペル、学術作品の編集者および編集者
セシリア・R・アラゴンは、treapの発明と人間中心のデータサイエンスの分野であると信じられています。
プログラミング言語(GATおよびMichigan Algorithm Decoder、またはMAD)、仮想メモリアーキテクチャ、およびMichigan Terminal System用のコンパイラは、Bruce Arden(MTS)によって開発されました。
サンジーブ・アローラ – PCP定理
ウィニフレッド「ティム」アリスアスプリーの要請により、ヴァッサー大学のコンピューターサイエンスのカリキュラムが最初に開発されました。
ジョン・ヴィンセント・アタナソフはコンピューティング分野のパイオニアであり、アタナソフ・ベリー・コンピュータ(ABC)の発明者である。
シャクンタラ・アトレが提示したデータベース理論
1791年から1871年まで住んでいたチャールズバベッジは、最初の機械式コンピューターを発明したと信じられています。彼は最高の数学者と見なされています。
チャールズバックマンは、統合データストアの開発で最もよく知られている有名なアメリカのコンピューター科学者です。
コンピュータプログラム構築の数学、アルゴリズムによる問題解決、およびALGOLは、ローランドカールバックハウスの専門分野の1つでした。
最初の完全なコンパイラは、ジョン・バッカスによってFORTRAN言語とバッカス・ナウア形式を使用して開発されました。
デビッドF.ベーコン、コンピュータープログラミング言語と廃棄物管理の専門家
デビッド・ベイダー
ビクター・バール
SASシステム管理者 アンソニー・ジェームズ・バー
Jean Bartik(1924–2011)は、最初の真空管コンピューターの1つであるENIAC(1946)に取り組んでいた最初のコンピュータープログラマーの1人であり、「プログラミング」にはケーブル、ダイヤル、スイッチを使用してマシンを物理的に再配線することが含まれていました。ジョン・モークリーと共にBINAC(1949年)、EDVAC(1949年)、UNIVAC(1951年)に向かい、初期の「ストアドプログラム」コンピュータを開発した。ジャン・バーティクは2011年に亡くなりました。彼は最初のコンピュータープログラマーの一人でした
アンドリュー・バルト
スタック(データ構造)、逐次式変換、ALGOL、ソフトウェアエンジニアリング、およびバウアー・ファイクの定理はすべてフリードリッヒL.バウアーによって行われた発明でした。
ルドルフ・バイエル、別名Bツリー
Gordon Bell は DEC VAX のコンピュータ設計者であり、Computer Structures の著者です。彼は1934年に生まれました。
ネットワークセキュリティは、スティーブンM.ベロビンの専門知識です。
1925年から2010年まで生きた先駆的なアルゼンチンのコンピューター科学者であるセシリアベルディチェフスキーは、2010年に亡くなりました。
ティムバーナーズリー–ワールドワイドウェブ
Qmail、ソフトウェア、および保護された言論の概念、ダニエル・J・バーンスタイン
ピーター・ベルヌス
アバイ・ブーシャン
ダインズビョルナー–ウィーン開発メソッド(VDM)、レイズ
Gerrit Blaauwは、IBM System 360シリーズのコンピュータの主要設計者でした。彼はデザイナーの一人でした。
スー・ブラック
デビッド・ブライ
ドロシー・ブラムは国家安全保障局の代表です。
レノア・ブラムの複雑さ
マヌエル・ブルムによる暗号
ソフトウェア工学の経済学とスパイラル開発は、バリー・ベームが専門とするトピックの一つです。
コラード・ベーム – 構造化プログラム定理の著者
カート・ボラッカー
スラブ割り当てとZFSはどちらもジェフ・ボンウィックによって開発されました。
Grady Boochは、オブジェクト管理グループと統一モデリング言語の責任者です。
ブール論理はジョージブールによって開発されました。
回転ドラムに情報を格納する最初の装置は、アンドリューブースによって発明されました。
キャスリーン・ブースは、アセンブリ言語を開発した最初の人物でした。
アニタ・ボルグは、1949年に生まれ、2003年に亡くなったアメリカのコンピューター科学者でした。彼女はアニタ・ボルグ女性技術研究所の創設者でした。
カスケードスタイルシートはBert Bosによって書かれました。
世界チェスチャンピオンのミハイルボトヴィニクは、初期のエキスパートシステム人工知能とコンピューターチェスの開発のパイオニアでもありました。ボトヴィニクは電気技師であり、コンピューター科学者でした。
Z記法と形式法はどちらもジョナサン・ボーエンがカバーした。
Stephen R. Bourne –