Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

Szoftverhibák javítását segítő megoldáson dolgoznak szegedi kutatók

    Nemzetközi együttműködéssel egy, a feladatok optimális kiosztását végző keretrendszeren belül a szoftverhibák javítását segítő megoldáson dolgoznak a FrontEndART Kft. és a Szegedi Tudományegyetem (SZTE) kutatói – tájékoztatta a felsőoktatási intézmény közkapcsolati igazgatósága az MTI-t.

    A közlemény szerint az SZTE és a FrontEndART Kft. konzorciumi partnerként vesz részt a hat ország vállalkozásai és intézményei által megvalósított Optimal Management of Demand (OMD – a kereslet optimális kezelése) projektben. Egy török informatikai vállalkozás, az Experteam által vezetett hároméves kezdeményezés célja egy olyan egységesített, mesterséges intelligencia megoldásokon alapuló ügyfélkérelmeket kezelő keretrendszer fejlesztése, amely több szektorban – az egészségügy, az igazságszolgáltatás, az e-kereskedelem, a fogyasztói elektronika és szoftverfejlesztés területén – képes ügyintézőket automatikusan és költséghatékonyan a számukra megfelelő feladatokhoz rendelni. Az adott probléma megoldásához a megfelelő szakértő kiválasztása jelentősen csökkentheti az ügyintézési időt és a költségeket.


    A magyarországi projektelem a szoftverfejlesztői, karbantartói és üzemeltetői piacra olyan mesterséges intelligencián és gépi tanulási algoritmusokon alapuló eszköz fejlesztése, amely képes – különböző kritériumok alapján – a szoftver-forráskód karbantartási feladatainak optimális szétosztására a fejlesztők között.
    A FrontEndART Kft. QualityGate forráskód minőségirányítási rendszere képes figyelemmel kísérni egy szoftver „evolúcióját” és felderíteni abban a hibás és problémás kódrészeket. Az egyes hibákhoz a legalkalmasabb fejlesztő automatikus kiválasztása számos kódtól, hibától, és fejlesztői jellemzőtől függő komplex optimalizálási feladat, amire a hagyományos módszerek nem alkalmasak. A projektben olyan feladatkiosztó megoldást fejlesztenek, amely mesterséges intelligencián és gépi tanuláson alapuló modelleket használva képes azon fejlesztők kiválasztására, akik segítségével a szoftver hibás kódrészleteinek javítása legjobban megoldható. Az ehhez szükséges adatok a statikus kódanalízisből és a fejlesztői tevékenység naplózásából, valamint a fejlesztők adatalapú profilépítéséből származnak.


    Az SZTE munkatársai elsősorban mesterséges intelligencián és gépi tanuláson alapuló módszerek kutatásában és fejlesztésében vesz részt.


    A 2024 végéig tartó projekt megvalósítását a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal mintegy 68 millió forintos támogatása segíti.