Este episódio do podcast “Fronteiras da Engenharia de Software” com Rui Maranhão Abreu aborda a localização de falhas de software e suas aplicaçõe. Rui, professor catedrático em Engenharia de Software na Universidade do Porto e Research Software Engineer na Meta, compartilha ideias sobre esse campo da Engenharia de Software.
No episódio, são discutidos conceitos fundamentais, como a diferença entre falhas e bugs, bem como os desafios enfrentados na detecção de falhas em sistemas complexos e distribuídos, especialmente em ambientes de integração contínua, como na Meta. Rui também explora o papel da inteligência artificial, machine learning e deep learning na localização de falhas e destaca avanços recentes na pesquisa de reparo automatizado de programas.
Além disso, são abordados artigos recentes de Rui e seus co-autores, incluindo o “Remoção de Código Morto na Meta”, que apresenta o Framework de Remoção Sistemática de Código e Ativos (SCARF), e “Depuração de Erros de Tipo Alimentada por GPT-3”, que descreve uma técnica para corrigir automaticamente erros de tipo em programas OCaml, utilizando o GPT-3.
A conversa também explora a carreira de Rui na Meta, sua experiência como General Chair do ICSE 2024 em Portugal e suas visões sobre a próxima fronteira da engenharia de software.
Site de Rui: https://ruimaranhao.com/
Outros links:
https://sigarra.up.pt/feup/pt/func_geral.formview?p_codigo=466651
https://dei.fe.up.pt/pt/blog/2023/04/10/rui-maranhao-toma-posse-como-diretor-do-prodei/
Artigos:
“Remoção de Código Morto na Meta: Exclusão Automática de Milhões de Linhas de Código e Petabytes de Dados Obsoletos”
“Dead Code Removal at Meta: Automatically Deleting Millions of Lines of Code and Petabytes of Deprecated Data”
https://dl.acm.org/doi/10.1145/3611643.3613871
Localização de características baseada em espectro: um estudo de caso usando o ArgoUML.
Spectrum-based feature localization: a case study using ArgoUML
https://dl.acm.org/doi/abs/10.1145/3461001.3473065
Depuração de Erros de Tipo Alimentada por GPT-3: Investigando o Uso de Modelos de Linguagem Avançados para Reparo de Código
GPT-3-Powered Type Error Debugging: Investigating the Use of Large Language Models for Code Repair
https://dl.acm.org/doi/abs/10.1145/3623476.3623522
Mentat (ferramenta) https://figshare.com/articles/software/GPT-3-Powered_Type_Error_Debugging_Investigating_the_Use_of_Large_Language_Models_for_Code_Repair_SLE_2023_/23646903
The bumpy road of taking a...