Aprendizaje no supervisado para cómputo de similitud en programas con errores

Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.

Detalles Bibliográficos
Autor principal: Doffo, José Arnaldo
Otros Autores: Areces, Carlos Eduardo
Formato: bachelorThesis
Lenguaje:Español
Publicado: 2024
Materias:
Metodologías informáticas
Inteligencia artificial
Procesamiento del lenguaje natural
Extracción de información
Análisis estático de código
Emparejamiento semántico
Code embeddings
Deep learning
Computing methodologies
Artificial intelligence
Natural language processing
Information extraction
Acceso en línea:http://hdl.handle.net/11086/551536
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-551536
record_format dspace
spelling I10-R141-11086-5515362024-04-23T06:35:26Z Aprendizaje no supervisado para cómputo de similitud en programas con errores Doffo, José Arnaldo Areces, Carlos Eduardo Bulgarelli, Franco Metodologías informáticas Inteligencia artificial Procesamiento del lenguaje natural Extracción de información Análisis estático de código Emparejamiento semántico Code embeddings Deep learning Computing methodologies Artificial intelligence Natural language processing Information extraction Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023. Fil: Doffo, José Arnaldo. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. En este trabajo se proponen estrategias de extracción de información que se utilizaron para automatizar el proceso de respuesta a dudas planteadas por estudiantes de la plataforma Mumuki. Nuestro enfoque implica entrenar un modelo de aprendizaje profundo sobre el código escrito por los estudiantes de la plataforma, con el objetivo de poder ofrecer automáticamente el foro donde otro estudiante, que escribió código con los mismos errores, resolvió sus dudas. This work proposes information extraction strategies that were used to automate the process of answering questions raised by students of the Mumuki platform. Our approach involves training a deep learning model on the code written by the students of the platform, with the aim of being able to automatically offer the forum where another student, who wrote code with the same errors, resolved their doubts. Fil: Doffo, José Arnaldo. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2024-04-22T17:43:27Z 2024-04-22T17:43:27Z 2023-12-23 bachelorThesis http://hdl.handle.net/11086/551536 spa Attribution-NonCommercial-ShareAlike 4.0 International http://creativecommons.org/licenses/by-nc-sa/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Metodologías informáticas
Inteligencia artificial
Procesamiento del lenguaje natural
Extracción de información
Análisis estático de código
Emparejamiento semántico
Code embeddings
Deep learning
Computing methodologies
Artificial intelligence
Natural language processing
Information extraction
spellingShingle Metodologías informáticas
Inteligencia artificial
Procesamiento del lenguaje natural
Extracción de información
Análisis estático de código
Emparejamiento semántico
Code embeddings
Deep learning
Computing methodologies
Artificial intelligence
Natural language processing
Information extraction
Doffo, José Arnaldo
Aprendizaje no supervisado para cómputo de similitud en programas con errores
topic_facet Metodologías informáticas
Inteligencia artificial
Procesamiento del lenguaje natural
Extracción de información
Análisis estático de código
Emparejamiento semántico
Code embeddings
Deep learning
Computing methodologies
Artificial intelligence
Natural language processing
Information extraction
description Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
author2 Areces, Carlos Eduardo
author_facet Areces, Carlos Eduardo
Doffo, José Arnaldo
format bachelorThesis
author Doffo, José Arnaldo
author_sort Doffo, José Arnaldo
title Aprendizaje no supervisado para cómputo de similitud en programas con errores
title_short Aprendizaje no supervisado para cómputo de similitud en programas con errores
title_full Aprendizaje no supervisado para cómputo de similitud en programas con errores
title_fullStr Aprendizaje no supervisado para cómputo de similitud en programas con errores
title_full_unstemmed Aprendizaje no supervisado para cómputo de similitud en programas con errores
title_sort aprendizaje no supervisado para cómputo de similitud en programas con errores
publishDate 2024
url http://hdl.handle.net/11086/551536
work_keys_str_mv AT doffojosearnaldo aprendizajenosupervisadoparacomputodesimilitudenprogramasconerrores
_version_ 1806949759883149312

Ejemplares similares