研究
软件工程实验室中的机器学习方法
数据科学的应用在许多研究和工业领域（包括软件工程）越来越受欢迎。我们小组的目标是通过改进现代软件工程工具并发现开发和维护代码的新方法，将这两个领域目前最先进的实践融合在一起。
我们当前感兴趣的领域：
- 检测面向对象架构中的缺陷，并自动推荐适当的重构以优化代码结构。
- 代码克隆检测和用于自动检测和提取可重用代码片段工具。
- 构建更丰富的代码嵌入，用于剽窃检测、方法和变量名称预测以及代码汇总。
- 开发者编码样式的动态分析。
- 利用历史数据增强协作工具，例如通过推荐系统。
- 代码异常检测。
- 从自然语言描述、使用的 API 调用等自动生成代码
- 为学生和经验丰富的开发人员提供自动编码辅助，包括查找/修复错误、IDE 功能发现和采用、用户意图和上下文分析。
- 对代码库进行基于提交的分析，预测要更改的方法、错误位置和其他事件。
- 自动错误检测和程序修复的方法。
我们当前感兴趣的领域：
- 检测面向对象架构中的缺陷，并自动建议适当的重构以优化代码结构。
- 检测代码克隆并创建用于自动检测和提取可重用代码片段的工具。
- 构建更丰富的代码嵌入，用于剽窃检测、方法和变量名称预测以及代码汇总。
- 分析开发者代码样式动态。
- 利用历史数据增强协作工具，例如通过推荐系统。
- 代码中的异常检测。
- 从自然语言描述、使用的 API 调用等自动生成代码
- 为学生和经验丰富的开发人员提供自动编码辅助，包括查找/修复错误、IDE 功能发现和采用、用户意图和上下文分析。
- 对代码存储库进行基于提交的分析，预测更改、错误位置和其他事件。
- 自动错误检测和程序修复的方法。
出版物
资源
2023 年 10 月 24 日
好奇心驱动的研究员：产学之间，第二部分
这是与研究实验室负责人 Timofey Bryksin 的采访的第二部分，他在采访中分享了自己对 IDE、LLM 工具的未来以及开发者角色不断变化的看法。