Методы машинного обучения в области программной инженерии

Автодополнение кода — инструмент, включенный в большинство современных IDE. Качественное автодополнение помогает уменьшить время написания кода, а также избежать ошибок и опечаток. На семинаре будет рассмотрена статья “When Code Completion Fails: a Case Study on Real-World Completions”, авторы которой провели исследование эффективности нескольких моделей автодополнения кода на основе машинного обучения на реальных данных и сравнили их с результатами, полученными на синтетических, отмечая значительные различия. Они установили набор признаков, присущих реальным данным, которые никак не учитываются в современных подходах к оценке качества существующих инструментов и практически не используются при создании новых. Результаты данной работы показывают, какие признаки, присущие применяемым пользователями автодополнениям, действительно влияют на качество модели и как они могут быть использованы для дизайна и бенчмаркинга новых инструментов.

Ссылка на статью: https://vhellendoorn.github.io/PDF/icse2019.pdf

Докладчик: Анастасия Тучина.

Язык доклада: русский.

Дата и время: 11-е декабря, 19:30-21:00.

Место: Таймс, аудитория 404.

Видео с семинаров доступно по ссылке: http://bit.ly/MLJBSeminars