Stranice predmeta

(1) Upoznavanje sa problemima u oblasti softverskog inženjerstva koji bi se mogli adresirati primenom tehnika analize i istraživanja podataka: automatska detekcija indikatora loše dizajniranog koda (code smell), automatsko refaktorisanje (automatic refactoring), automatska detekcija i ispravka defekata, ranjivosti i grešaka (defect/vulnerability/bug detection) u kodu, predikcija truda uloženog u razvoj softverskog rešenja (effort estimation), pretraga softverskog koda u cilju pronalaska određene funkcionalnosti (feature location) i slično. (2) Prikupljanje skupa podataka, pretprocesiranje, i reprezentacija softverskog koda za različite probleme u domenu softverskog inženjerstva. Reprezentacija softverskog koda putem metrika, grafova, obeležja ekstrahovanih iz apstraktnog sintaksnog stabla, itd. Postojeći alati za ekstrakciju informativnih obeležja iz koda. (3)Analiza prirodnog jezika u softverskom kodu. Automatsko generisanje opisa (sumarizacija) softverskog koda. (4)Primena modela dubokog učenja na probleme u domenu softverskog inženjerstva. Automatsko učenje reprezentacije softverskog koda u vektorskom obliku (Code2Vec) (5)Enkodiranje promena u softverskom kodu. (6)Studije slučaja. Na praktičnoj nastavi se kroz praktičan rad sa postojećim softverskim alatima za trening standardnih prediktivnih modela mašinkog i dubokog učenja (Scikit-Learn, Keras/TensorFlow ), praktično primenjuju teorijski koncepti obrađivani na predavanjima. Neizostavni deo predmeta je samostalni studentski projekat, gde je ideja da student samostalno odabere problem iz domena softverskog inženjerstva koji se može unaprediti primenom veštačke inteligencije. Student potom temeljno istražuje literaturu na datu temu kako bi utvrdio prednosti i nedostatke do tada predloženih rešenja i na osnovu toga, kroz konsultacije sa predavačima, koncipirao predlog projekta. Po završetku projekta, student piše izveštaj.