2025

Permanent URI for this community

https://crust.ust.edu.ua/handle/123456789/20207

Browse

Browsing 2025 by Author "Горячкін, Вадим Миколайович"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Проблеми рефакторингу програмного коду із застосуванням штучного інтелекту
    (Український державний університет науки і технологій, Дніпро, 2025) Сирота, Олександр Анатолійович; Горячкін, Вадим Миколайович
    UKR: Мета. Сучасний технологічний ландшафт характеризується стрімким розвитком програмного забезпечення, орієнтованого на різноманітні предметні галузі та платформи. Це зумовлює неперервне створення нових програмних продуктів, що складаються з величезної кількості рядків коду. Процес розробки якісного програмного забезпечення є багатоетапним і містить низку факторів, які впливають на кінцевий результат. Серед ключових аспектів виділяють компетентність розробників, ефективність проєктного менеджменту, доступність необхідних ресурсів та здатність адаптуватися до змінних вимог. Кожна платформа має свої специфічні особливості, які необхідно враховувати під час розробки, що додатково ускладнює процес створення універсальних та ефективних програмних рішень. Наше дослідження має на меті здійснити комплексний аналіз потенціалу та перспективних напрямів застосування великих мовних моделей у контексті рефакторингу програмного коду. Робота спрямована на розробку та вдосконалення методів, які сприятимуть підвищенню ефективності процесу рефакторингу за допомогою цих моделей. Методика. Для вирішення вищезазначених проблем запропоновано реалізувати комплекс методів, які можуть бути застосовані як окремо, так і в синергії, з метою оптимізації кінцевого результату. Ці методи, ретельно розроблені в контексті сучасних парадигм програмної інженерії, спрямовані на підвищення ефективності процесу рефакторингу, забезпечуючи при цьому збереження функціональності програмного забезпечення. Їх імплементація передбачає систематичний підхід до аналізу та модифікації кодової бази, враховуючи як технічні аспекти, так і потенційний вплив на загальну архітектуру системи. Результати. Проведено комплексний аналіз наявних мовних моделей та розроблено методи підвищення ефективності великих мовних моделей у контексті рефакторингу коду. Виявлено ключові фактори, що впливають на успішність застосування запропонованих методів, зокрема обсяг навчальних даних та обмеження контексту моделі. Наукова новизна. Розроблено підхід до підвищення ефективності великих мовних моделей у рефакторингу коду, що враховує специфіку різних проєктів та етапів розробки. Запропоновано інноваційні методи донавчання мовних моделей та оптимізації використання контексту, що розширюють можливості автоматизованого рефакторингу. Практична значимість. Результати дослідження дозволяють поліпшити ефективність рефакторингу коду із застосуванням великих мовних моделей.