| 27-06-2024 |
LLMs para generación de revisiones de código de seguridad
El proyecto tiene como objetivo evaluar la factibilidad de utilizar Modelos de Lenguaje Grande (LLMs) para generar comentarios de revisión de código (code review) similares a los que haría un desarrollador en Pull Requests de Github. La investigación se divide en dos partes: primero, se realizará una revisión manual de un conjunto de commits extraídos de Github para identificar aquellos relacionados con parches de seguridad y crear un dataset etiquetado. En la segunda parte, se emplearán LLMs para generar y evaluar comentarios a partir de los commits etiquetados. El objetivo es determinar la efectividad de los LLMs en la replicación de revisiones de código humanas, con el fin de mejorar la eficiencia y calidad en la detección de errores y vulnerabilidades en el desarrollo de software. Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 1/1 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 14-07-2023 |
Mejoramiento de la Eficiencia en Equipos Ágiles de Desarrollo de Software a través de Asistentes Virtuales basados en IA
IoP para estudiantes de pregrado para un proyecto de investigación que combina ingeniería de software, desarrollo ágil y inteligencia artificial (IA). El objetivo es desarrollar asistentes virtuales que mejoren la eficiencia de los equipos de desarrollo de software ágiles. Los participantes tendrán la oportunidad de trabajar en aprendizaje automático, razonamiento AI y explicabilidad de la IA. El proyecto implica crear algoritmos para optimizar la toma de decisiones de los asistentes y desarrollar herramientas para su explicabilidad. Buscamos estudiantes dispuestos a aprender, creativos y listos para enfrentar los desafíos de la IA y la ingeniería de software. Este proyecto no solo promete aumentar la eficiencia del desarrollo de software, sino también avanzar en el campo de la IA.
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 5/8 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 14-07-2023 |
Mejoramiento de la Educación Médica a través de Asistentes Virtuales basados en IA
IoP para estudiantes de pregrado para un innovador proyecto de investigación que combina la educación médica y la inteligencia artificial. El objetivo es desarrollar y optimizar asistentes virtuales basados en técnicas de inteligencia artificial para mejorar la entrega y la comprensión de la educación médica. Los participantes tendrán la oportunidad de trabajar en áreas emergentes, como aprendizaje automático (LLM), razonamiento AI y explicabilidad de la IA. El proyecto implica diseñar algoritmos para potenciar el razonamiento y la toma de decisiones de los asistentes, y también desarrollar herramientas para la explicabilidad de estas decisiones. Buscamos estudiantes creativos, dispuestos a aprender y listos para enfrentar desafíos en la IA y la educación médica.
Prerequisitos:
no tiene.
Tiene un método de evaluación Nota 1-7, con 10 créditos y tiene 2/5 vacantes disponibles |
Mentor(es): Ver en la plataforma |
| 27-06-2024 |
LLMs for security code review generation
The project's objective is to assess the feasibility of using Large Language Models (LLMs) to generate code review comments similar to those a developer would make on GitHub Pull Requests. The research is divided into two parts: first, a manual review of a set of commits extracted from GitHub will be conducted to identify those related to security patches and create a labeled dataset. In the second part, LLMs will be used to generate and evaluate comments based on the labeled commits. The goal is to determine the effectiveness of LLMs in replicating human code reviews, aiming to improve efficiency and quality in detecting errors and vulnerabilities in software development. Evaluation method: Nota 1-7, with 1/1 available vacants |
Mentor(s): Open in the plataform |
| 14-07-2023 |
Prerequisites:
None.
Evaluation method: Nota 1-7, with 5/8 available vacants |
Mentor(s): Open in the plataform |
| 14-07-2023 |
Educación Médica; Inteligencia Artificial; Aprendizaje Automático; Asistentes Virtuales; Explicabilidad de la IA.
Prerequisites:
None.
Evaluation method: Nota 1-7, with 2/5 available vacants |
Mentor(s): Open in the plataform |