3.66. AI266 Inteligencia Artificial para Ingenieria de Software (Electivo)

3.66. AI266 Inteligencia Artificial para Ingenieria de Software (Electivo)

Figura 3.65: Mapa de Conexión. AI266 Inteligencia Artificial para Ingenieria de Software

3.66.1. Justificación Volver arriba

Este curso integra técnicas de IA en el ciclo de vida del desarrollo de software, cubriendo aplicaciones prácticas como generación de código, depuración automática y optimización de sistemas software mediante aprendizaje automático.

3.66.2. Objetivos Generales Volver arriba

  1. Implementar pipelines de MLOps en entornos de desarrollo tradicionales
  2. Diseñar sistemas que integren modelos de IA en aplicaciones software
  3. Evaluar implicaciones éticas en la automatización de procesos de desarrollo

3.66.3. Contribución a los resultados (Outcomes) Volver arriba

AG-C09) Diseño y Desarrollo de Soluciones: Diseña, implementa y evalúa soluciones para problemas complejos de computación. (Usage)
AG-C12) Aplica la teoría de la ciencia de la computación y los fundamentos de desarrollo de software para producir soluciones basadas en computadora. (Usage)

3.66.4. Contenido Volver arriba

3.66.4.1. Fundamentos de IA para SE (12 horas) [Habilidades AG-C09,AG-C12] Volver arriba

Referencias Bibliográficas: (Zhang and Chen, 2022)

Temas

  1. Patrones de diseño para sistemas AI-SE
  2. Arquitecturas de sistemas híbridos (IA + software tradicional)
  3. Métricas de calidad para componentes inteligentes

Aprendizaje esperado (Learning Outcomes)

  1. Diseñar arquitecturas software que incorporen componentes de IA [Evaluar]
  2. Evaluar trade-offs en sistemas híbridos [Usar]
3.66.4.2. Aplicaciones Avanzadas (24 horas) [Habilidades AG-C09,AG-C12] Volver arriba

Referencias Bibliográficas: (Allamanis et al., 2018; Chen et al., 2021)

Temas

  1. Generación automática de código (Codex, CodeT5)
  2. Depuración inteligente
  3. Optimización automática de rendimiento

Aprendizaje esperado (Learning Outcomes)

  1. Implementar herramientas de generación de código asistido por IA [Usar]
  2. Integrar sistemas de recomendación en IDEs [Evaluar]
3.66.4.3. Ética en Automatización (8 horas) [Habilidades AG-C09,AG-C12] Volver arriba

Referencias Bibliográficas: (Zhang and Chen, 2022)

Temas

  1. Riesgos de la generación automática de código
  2. Sesgos en sistemas de recomendación para desarrolladores
  3. Responsabilidad legal en sistemas autónomos

Aprendizaje esperado (Learning Outcomes)

  1. Identificar puntos críticos éticos en AI-SE [Familiarizarse]
  2. Proponer protocolos de mitigación [Usar]

3.66.5. Referencias Bibliográficas Volver arriba

Zhang, M. and Chen, S. (2022). AI Engineering: Applying AI in Software Development. O'Reilly.

Allamanis, M., Barr, E., Devanbu, P., and Sutton, C. (2018). A survey of machine learning for big code and naturalness. ACM Computing Surveys, 51(4).

Chen, Y., Liu, X., and Shi, Z. (2021). Codet5: Identifier-aware unified pre-trained encoder-decoder models for code understanding and generation. In EMNLP.

¿Encontraste una errata, un curso desactualizado, un enlace roto, o tienes una sugerencia? Cuéntanos.

Escanea para abrir en tu teléfono