Você está aqui: Página Inicial / Pós-Graduação / Informática / Temas de Pesquisa / Aprendizagem de Máquina Aplicada à Engenharia de Software

Aprendizagem de Máquina Aplicada à Engenharia de Software

Prof. Dr. Baldoino Fonseca

Software tem sido crucial para realizar tarefas centrais na sociedade. Entretanto, o desenvolvimento de um software é muito custoso devido ao fato de que métodos de engenharia de software ainda são realizados manualmente. Neste contexto, técnicas de Inteligência Artificial podem ser utilizadas para aperfeiçoar (ou otimizar) a construção de software e, com isso, diminuir o custo associado ao seu desenvolvimento. Em particular, podemos focar em dois tópicos principais:

 

(Melhorar a Engenharia de Software através da Inteligência Artificial) envolvendo aquisição de conhecimento, representação do conhecimento, raciocínio, aprendizagem de máquina, planejamento, algoritmos baseados em busca, computação evolucionária, etc.

 

(Aplicar Inteligência Artificial em atividades da Engenharia de Software) envolvendo requisitos, projetos de arquitetura, rastreamento, evolução e manutenção de software, etc.

 

Referências

  • Derek Partridge. Artificial Intelligence and Software Engineering: a survey of possibilities. Information and Software Technology, Vol. 30, Issue 3, April 1988, Pages 146-152, Elsevier.
  • Mark Harman. The role of Artificial Intelligence in Software Engineering. First International Workshop on Realizing AI Synergies in Software Engineering (RAISE). 2012, IEEE. DOI: 10.1109/RAISE.2012.6227961. 
  • Hozano, M. ; Garcia, A. ; Antunes, N. ; Fonseca, B. ; Costa, E. . Smells are sensitive to developers! On the efficiency of (un)guided customized detection. In: International Conference on Program Comprehension (ICPC), 2017, Buenos Aires. 25th International Conference on Program Comprehension (ICPC), 2017. p. 110-120.
  • Henrique Ferreira, Baldoino Fonseca and Nuno Antunes. Software Metrics and Security Vulnerabilities: Dataset and Exploratory Study. The 12th European Dependable Computing Conference, May 2016.
  • Henrique Ferreira, Baldoino Fonseca and Nuno Antunes.Comparing and Experimenting Machine Learning Techniques to Predict Vulnerabilities. The 7th Latin-American Symposium on Dependable Computing, July 2016.
  • Lucas Amorin; Baldoino Fonseca; Nuno Antunes; Evandro Costa; Márcio Ribeiro. Experience Report: Evaluating the Effectiveness of Decision Trees for Detecting Code Smells. The 26th IEEE International Symposium on Software Reliability Engineering, August 2015. 
  • Baldoino Fonseca; Ribeiro, M. M. ; Silva, Viviane Torres ; Braga, C. O. ; Lucena, Carlos J. P. ; Costa, Evandro . AutoRefactoring: A platform to build refactoring agents. Expert Systems with Application, v. 42, p. 1652-1664, 2015.
  • Italo Silva, Patrick BritoBaldoino Neto, Evandro Costa, Andre Silva, A decision-making tool to support architectural designs based on Quality Attributes, 30th ACM/SIGAPP Symposium on Applied Computing (SAC'15), Salamanca, Spain, April 13-17, 2015.