Recherches
Laboratoire de méthodes de machine learning en génie logiciel
Les applications de la science des données gagnent en popularité dans de nombreux domaines de la recherche et de l’industrie, y compris l’ingénierie logicielle. Avec ce groupe, nous visons à fusionner les pratiques actuelles de pointe dans ces deux domaines, en améliorant les outils modernes d’ingénierie logicielle et en découvrant de nouvelles façons de développer et de maintenir le code.
Nos domaines d’intérêt actuels :
- Détection des défauts dans l’architecture orientée objet et recommandation automatique de refactorisations appropriées qui optimisent la structure du code.
- Détection des clones de code et les outils de détection et d’extraction automatiques de fragments de code réutilisables.
- Construction d’intégrations de code plus riches pour la détection du plagiat, la prédiction des méthodes et des noms variables, et la synthèse du code.
- Analyse de la dynamique du style de codage des développeurs.
- Utilisation de données historiques pour augmenter les outils de collaboration, par exemple par le biais de systèmes de recommandation..
- Détection d’anomalie sur le code.
- Génération automatisée de code à partir de descriptions en langage naturel, des appels API utilisés, etc.
- Assistance au codage automatisé pour les étudiants et les développeurs chevronnés, y compris la recherche/correction d’erreurs typiques, la découverte et l’adoption de fonctionnalités IDE, l’intention de l’utilisateur et l’analyse du contexte.
- Analyse basée sur les commit des dépôts de code prédisant les méthodes à modifier, l'emplacement des bugs et d'autres événements.
- Méthodes de détection automatique des bugs et de réparation des programmes.
Nos domaines d’intérêt actuels :
- Détection des défauts dans l’architecture orientée objet et suggestion automatique de refactorisations appropriées qui optimisent la structure du code.
- Détection des clones de code et création d'outils de détection et d’extraction automatiques de fragments de code réutilisables.
- Création d’intégrations de code plus riches pour la détection du plagiat, la prédiction des méthodes et des noms variables, et la synthèse du code.
- Analyse des dynamiques de style de codage des développeurs.
- Utilisation de données historiques pour augmenter les outils de collaboration, par exemple par le biais de systèmes de recommandation..
- Détection d’anomalie dans le code.
- Génération automatisée de code à partir de descriptions en langage naturel, des appels API utilisés, etc.
- Assistance au codage automatisé pour les étudiants et les développeurs chevronnés, y compris la recherche/correction d’erreurs typiques, la découverte et l’adoption de fonctionnalités IDE, l’intention de l’utilisateur et l’analyse du contexte.
- Analyse basée sur les commits des référentiels de code prédisant les modifications, l'emplacement des bugs et autres événements.
- Méthodes de détection automatique des bugs et de réparation des programmes.
Publications
Séminaires
Nous organisons des séminaires ouverts et des réunions de club de lecture pour présenter des résultats intéressants, qu'ils soient les nôtres ou ceux d'autres personnes. N'hésitez pas à rejoindre notre groupe meetup pour rester informé·e des sessions à venir.
Vous trouverez les enregistrements des séminaires précédents sur la chaîne YouTube.
Matériaux
Curiosity-Driven Researchers: Between Industry and Academia, 2e partie
Il s'agit de la deuxième partie de l'entretien avec Timofey Bryksin, responsable du Laboratoire de recherche, où il confie sa vision de l'avenir des IDE, des outils LLM et l'évolution du rôle des développeurs.
Enquête sur l'utilisation des refactorisations
En concertation avec nos collègues des équipes Gestion de produits, Étude de marché et Analyses, nous avons interrogé les abonnés payants aux IDE basés sur IntelliJ concernant leur utilisation des refactorisations. Nous leur avons demandé comment ils utilisent leurs refactorisations, quel est leur degré de connaissance d'actions et fonctionnalités spécifiques de refactorisation dans l'IDE, et dans quelle mesure ils sont satisfaits de ces fonctionnalités. 1 183 réponses complètes ont été collectées. Nous espérons que les résultats de cette étude vous seront utiles, que ce soit à des fins universitaires ou professionnelles. Cliquez sur le lien ci-dessous pour obtenir une description détaillée du questionnaire et des données brutes.
Enquête sur l'utilisation des refactorisations par JetBrains