Інтелектуальна система автоматизованого контролю якості та стилістики програмного коду на основі методів машинного навчання

Abstract

Об’єкт дослідження – процедури комп'ютерного моніторингу та оцінювання вихідних текстів програмного забезпечення з метою виявлення відхилень від стилістичних і структурних регламентів. Предмет дослідження – алгоритми глибинного навчання, нейромережеві енкодери та AST-трансформації, призначені для розпізнавання аномалій і структурних дефектів у програмних модулях. Мета роботи – проєктування та реалізація інтелектуальної мікросервісної платформи для комплексного оцінювання надійності програмного забезпечення, автоматизованого проведення Code Review та динамічного розрахунку технічного боргу. Методи дослідження – гібридний підхід до аналізу, що поєднує детермінований розбір синтаксичного дерева (за допомогою модульних бібліотек AST мови Python) для вилучення інженерних метрик (цикломатичної складності, довжини методів) та ймовірніське семантичне кодування з використанням донавченої двомодальної трансформерної моделі CodeBERT. У кваліфікаційній роботі проаналізовано виклики підтримання якості кодової бази та обмеження існуючих лінтерів. Запропоновано архітектуру гібридної системи, що поєднує синтаксичний розбір із нейромережевими кодувальниками, що дозволяє знизити рівень хибних спрацьовувань та автоматизувати аудит ПЗ