Talk

Computer, fix meinen Code!

Wie wäre es, wenn wir direkt den Code finden könnten, den wir gerade brauchen? Wie wäre es, wenn uns lästige Fehler im Code automatisch beseitigt werden würden? Wie wäre es, wenn wir überhaupt nicht mehr selbst coden müssten? „Machine Learning on Code“ will uns diese und noch mehr Fragen beantworten. Wir werfen einen Blick auf frei verfügbare Werkzeuge, welche Softwareentwickler*innen in ihrer täglichen Arbeit intelligent assistieren können. Dazu blicken wir auch hinter die Fassade unserer zukünftigen, digitalen Entwicklerkollegen*innen.

Internet-Giganten wie Facebook, GitHub oder Google müssen auch gigantische Mengen an Quellcode effizient managen. Dazu gehört es, vorhandenen Code überhaupt erst einmal auffindbar zu machen, um das ständige Neuentwickeln des Rads zu vermeiden. Aber es geht auch darum, eine qualitativ hochwertige Codebasis zu schaffen, um eine kontinuierliche Weiterentwicklung zu erreichen. In diesem Talk sehen wir uns Werkzeuge u.a. aus den Forschungsabteilungen der zuvor genannten Unternehmen an, welche diese Aufgaben und mehr mithilfe des maschinellen Lernens bewältigen. Wir blicken auf Werkzeuge wie die Aroma Code Recommendation Engine, welche es erlaubt, zum eigenen Code syntaktisch ähnliche Programmiermuster aus fremden Code-Repositories zu finden. Oder Probots: kleine automatisierte Helfer, welche monotone, repetitive Quellcodeverwaltungsaufgaben übernehmen und mit menschlichen Beteiligten kommunizieren können. Und es geht noch weiter: Getafix ist ein sog. Autofix-Werkzeug, welches aus Bug-Reports selbstständig Vorschläge für die Behebung von Programmierfehlern erzeugt und dadurch Bugfixes selbst schreiben kann. Über ein Praxisbeispiel sehen wir uns erste Schritte an, wie Entwickler*innen selbst Machine Learning nutzen können, um ihre eigenen Ideen umzusetzen.

Date
2020-02-06
Time
09:45 - 10:30
Conference / Event
OOP 2020
Venue
ICM Congress Center München, München
  • Slide 1
    1/63
  • Slide 2
    2/63
  • Slide 3
    3/63
  • Slide 4
    4/63
  • Slide 5
    5/63
  • Slide 6
    6/63
  • Slide 7
    7/63
  • Slide 8
    8/63
  • Slide 9
    9/63
  • Slide 10
    10/63
  • Slide 11
    11/63
  • Slide 12
    12/63
  • Slide 13
    13/63
  • Slide 14
    14/63
  • Slide 15
    15/63
  • Slide 16
    16/63
  • Slide 17
    17/63
  • Slide 18
    18/63
  • Slide 19
    19/63
  • Slide 20
    20/63
  • Slide 21
    21/63
  • Slide 22
    22/63
  • Slide 23
    23/63
  • Slide 24
    24/63
  • Slide 25
    25/63
  • Slide 26
    26/63
  • Slide 27
    27/63
  • Slide 28
    28/63
  • Slide 29
    29/63
  • Slide 30
    30/63
  • Slide 31
    31/63
  • Slide 32
    32/63
  • Slide 33
    33/63
  • Slide 34
    34/63
  • Slide 35
    35/63
  • Slide 36
    36/63
  • Slide 37
    37/63
  • Slide 38
    38/63
  • Slide 39
    39/63
  • Slide 40
    40/63
  • Slide 41
    41/63
  • Slide 42
    42/63
  • Slide 43
    43/63
  • Slide 44
    44/63
  • Slide 45
    45/63
  • Slide 46
    46/63
  • Slide 47
    47/63
  • Slide 48
    48/63
  • Slide 49
    49/63
  • Slide 50
    50/63
  • Slide 51
    51/63
  • Slide 52
    52/63
  • Slide 53
    53/63
  • Slide 54
    54/63
  • Slide 55
    55/63
  • Slide 56
    56/63
  • Slide 57
    57/63
  • Slide 58
    58/63
  • Slide 59
    59/63
  • Slide 60
    60/63
  • Slide 61
    61/63
  • Slide 62
    62/63
  • Slide 63
    63/63

Swipe for more

Scroll or use your arrow keys for more

Scroll for more

Use your arrow keys for more

Download Slides

TAGS