De la génération de code vers l'ingénierie logicielle : faire progresser l'intelligence du code avec les modèles de langage

Aperçu

Programme

• Introduction à l'Intelligence de Code
Vue d'ensemble des Modèles de Langage en IA
Contexte Historique : Des Systèmes Basés sur des Règles aux Réseaux Neuronaux
• Fondamentaux de la Génération de Code avec les Modèles de Langage
Bases de l'Architecture Transformer
Pré-entraînement et Affinage pour la Complétion de Code
Limites des Techniques Actuelles de Génération de Code
• Raisonnement Symbolique dans les Modèles de Langage
Introduction aux Concepts de l'IA Symbolique
Intégration du Raisonnement Symbolique avec les Modèles Neuronaux
Études de Cas : Amélioration Symbolique dans l'Analyse de Code
• Raisonnement Global pour les Tâches d'Ingénierie Logicielle
Comprendre la Complexité de l'Ingénierie Logicielle
Rôle du Contexte Global dans la Compréhension du Code
Techniques pour Capturer la Structure Globale du Code
• Applications Avancées en Ingénierie Logicielle
Débugage Automatisé et Correction d'Erreurs
Modèles Assistifs pour la Conception et l'Architecture Logicielle
Amélioration des Performances des Modèles sur les Bases de Code Legacy
• Défis et Perspectives Futures
Considérations Éthiques dans le Développement Logiciel Piloté par l'IA
Limites des Techniques Actuelles de l'IA en Ingénierie Logicielle
Perspectives Futures : Unification des Approches Symboliques et Neuronales
• Atelier Pratique : Construire et Déployer un Modèle d'Intelligence de Code
Outils et Cadres : PyTorch, TensorFlow et Hugging Face
Projet Pratique : Développer un Système de Suggestion de Code
• Conclusion et Prochaines Étapes
Récapitulatif des Principaux Enseignements
Orientations pour l'Apprentissage Continu et Opportunités de Recherche

---

Matières

Computer Science