dr hab. inż. Lech Justyn Madeyski

Wróć
Adres e-mail lech.madeyski@pwr.edu.pl
Dyscypliny naukowe

Informatyka Techniczna i Telekomunikacja
Strona domowa https://madeyski.e-informatyka.pl
Profile naukowe

Google Scholar

Scopus

ResearchGate

ORCID

LinkedIn

Twitter

DONA

Tematyki badawcze

Automatyczna naprawa oprogramowania

Metody uczenia maszynowego dla danych niezbalansowanych w inżynierii oprogramowania

Wyjaśnialna sztuczna inteligencja w zadanich inżynierii oprogramowania

Modele predykcji wysiłku potrzebnego do realizacji historyjek użytkownika (ang. user stories)

Automatyczne modele uczenia maszynowego w zadaniach z obszaru inżynierii oprogramowania

Testowanie mutacyjne

Duże modele językowe (LLMs), enkodery BERT, dekodery GPT w zadaniach inżynierii oprogramowania

Wykorzystanie dużych modeli językowych (LLMs) w systematycznych przeglądach literatury

Detekcja brzydkich zapachów w testach z wykorzystaniem rozwiązań bazujących na architekturze transformerów

Predykcja defektów oprogramowania just-in-time

Predykcja podatności (luk) oprogramowania z wykorzystaniem rozwiązań bazujących na architekturze transformerów

Uczenie reprezentacji zmian kodu z wykorzystaniem bazujących na sztucznej inteligencji modeli kodu

Priorytetyzacja przypadków testowych
Słowa kluczowe

inżynieria oprogramowania

danologia (nauka o danych)

(interpretowalne) uczenie maszynowe

jakość oprogramowania

(wyjaśnalna) sztuczna inteligencja

metodyki zwinne

danologia w inżynierii oprogramowania

klasyfikacja danych niezbalansowanych

głębokie uczenie

reprodukowalne badania naukowe

predykcja defektów oprogramowania

predykcja brzydkich zapachów kodu

duże modele językowe (LLMs)

BERT

GPT
Email address lech.madeyski@pwr.edu.pl
Scientific disciplines

Information and communication technology
Personal website https://madeyski.e-informatyka.pl
Research profiles

Google Scholar

Scopus

ResearchGate

ORCID

LinkedIn

Twitter

DONA

Research topics

Automatic software repair

Machine learning methods for imbalanced data in software engineering

Automated machine learning models in software engineering tasks

Explainable AI in software engineering

User story effort prediction

Mutation testing

Software vulnerability prediction using transformer-based solutions

Learning code change representations via artificial intelligence code model

Test case prioritization

Large Language Models (LLMs), BERT, GPT in software engineering

Large Language Models (LLMs) in systematic literature review tasks

Test-smell detection using transformer-based solutions

Just in time software defect prediction
Keywords

software engineering

data science

(interpretable) machine learning

software quality

agile methods

(explainable) artificial intelligence

reproducible research

data science in software engineering

classification of imbalanced data

deep learning

software defect prediction

code smell prediction

large language models (LLMs)

BERT

GPT