Artificial Intelligence in Program Testing and Analysis

2024/2025

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Joint Department with the RAS Institute for System Programming

Course type:

Compulsory course

When:

1 year, 1, 2 module

Instructor

Sorokin, Konstantin

Программа дисциплины

Аннотация

Курс "Искусственный интеллект в программной инженерии" рассматривает применение методов интеллектуального анализа данных и технологий ИИ на различных этапах разработки программного обеспечения. Студенты узнают о том, как работают современные популярные ассистенты разработки (Github Copilot, Huggingface Starchat), и об использовании ИИ для решения различных прикладных задач, включая автодополнение исходного кода (code generation and auto-completion), поиск и рекомендация похожих фрагментов кода (code summarization and retrieval), автоматизация процесса ревью кода (code review automation), автоматизация тестирования (automated exploratory testing) и др. Курс включает в себя анализ современных подходов, моделей и различных представлений исходного кода для решения целевых задач. Студенты получат навыки, необходимые для успешного внедрения существующих и новых решений на базе ИИ в свои будущие проекты в области программной инженерии.

Цель освоения дисциплины

• Студенты получат знания, необходимые для понимания и успешного внедрения существующих и новых решений на базе ИИ в свои будущие проекты в области программной инженерии, в частности для автоматизации, оптимизации и повышения точности процессов тестирования и анализа программного обеспечения.

Планируемые результаты обучения

• Применение предобученных моделей МО для анализа кода и связанных данных (прим., суммаризация кода)
• Предварительное обучение моделей МО для исходного кода
• Использование инструментов tree-sitter, PyTorch, HuggingFace для задач анализа кода
• Использование специализированных индексов для поддержки быстрого приблизительного поиска (в том числе для кода)
• Оптимизация процессов UI-тестирования с помощью ИИ

Содержание учебной дисциплины

• Обзор применения методов ИИ для задач анализа и тестирования
• Классические методы машинного обучения
• Глубокое обучение и архитектуры нейросетей
• Векторные представления для исходного кода
• Предварительное обучение моделей для исходного кода
• Поиск и рекомендация похожего кода
• Автоматизация ревью кода
• Интеллектуальный вывод типов
• Большие языковые модели для исходного кода
• Мультиагентные системы
• Введение в автоматизацию UI-тестирования
• Автоматизция UI тестирования приложений Android

Элементы контроля

• ДЗ_1
• ДЗ_2
• ДЗ_3
• ЭКЗ

Промежуточная аттестация

• 2024/2025 2nd module
  0.2 * ДЗ_1 + 0.3 * ДЗ_2 + 0.2 * ДЗ_3 + 0.3 * ЭКЗ

Список литературы

Рекомендуемая основная литература

• Руководство по NLP, Найт, С., 2001

Рекомендуемая дополнительная литература

• 9781838827724 - Antonio Gulli; Amita Kapoor; Sujit Pal - Deep Learning with TensorFlow 2 and Keras : Regression, ConvNets, GANs, RNNs, NLP, and More with TensorFlow 2 and the Keras API, 2nd Edition - 2019 - Packt Publishing - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=2339879 - nlebk - 2339879

Авторы

• Сорокин Константин Сергеевич
• Буцкая Евгения Александровна