polito.it
Politecnico di Torino (logo)

Dal Modello Linguistico al Defect Management: Sfruttare la Generative AI per l’Analisi delle Anomalie = From Linguistic Model to Defect Management: Exploiting Generative AI for Anomalies Analysis

Andrea Alessandro Gaudino

Dal Modello Linguistico al Defect Management: Sfruttare la Generative AI per l’Analisi delle Anomalie = From Linguistic Model to Defect Management: Exploiting Generative AI for Anomalies Analysis.

Rel. Daniele Apiletti. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2024

Abstract:

L’era digitale ha trasformato radicalmente il panorama tecnologico, moltiplicando sia la quantità di dati generati quotidianamente sia la complessità dei software utilizzati in vari settori. In questo contesto, la gestione efficace delle anomalie software, comunemente chiamate "bug", è diventata cruciale per il mantenimento della qualità e dell’affidabilità dei sistemi informatici. Il processo tradizionale di identificazione e risoluzione dei bug può essere estremamente oneroso. Infatti, implica la partecipazione di diversi attori, dall’utente finale che rileva il problema fino agli sviluppatori che devono analizzare e correggere la causa alla radice. Inoltre, capire a quale livello della struttura appartiene il problema (FrontEnd o BackEnd) richiede spesso tempo e risorse significative. È facile intuire come tutto il processo sia particolarmente dispendioso sia in termini di tempo che di risorse. Per questo motivo, si è cercato un modo per automatizzare il procedimento attraverso l’utilizzo dell’Intelligenza Artificiale. Questo progetto di Tesi Magistrale è stato svolto in collaborazione con l’azienda IrisCube Reply, che ha proposto un approccio innovativo per l’integrazione della Generative AI nel campo dell’Analisi delle Anomalie. Il progetto propone un sistema basato su una pipeline che attraverso una serie di passaggi, permette di mostrare allo sviluppatore quali sono le possibili cause di un bug, offrendo, altresì, delle possibili soluzioni. Per concludere, il progetto sottolinea il potenziale della Generative AI nell’integrazione con i processi aziendali. Combinando i vantaggi del machine learning con le competenze umane, è possibile creare un sistema che permette di risolvere i problemi in maniera più rapida ed efficiente, riducendo i costi e aumentando la soddisfazione del cliente.

Relators: Daniele Apiletti
Academic year: 2024/25
Publication type: Electronic
Number of Pages: 89
Additional Information: Tesi secretata. Fulltext non presente
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: New organization > Master science > LM-32 - COMPUTER SYSTEMS ENGINEERING
Aziende collaboratrici: IRISCUBE Reply S.r.l. con Unico Socio
URI: http://webthesis.biblio.polito.it/id/eprint/33098
Modify record (reserved for operators) Modify record (reserved for operators)