Куб'юк, Євгеній ЮрійовичКалюжна, Тетяна Олександрівна2023-02-202023-02-202022Калюжна, Т. О. Аналіз методів машинного навчання в задачі пошуку дублікатів в програмному коді : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Калюжна Тетяна Олександрівна. – Київ, 2022. – 129 с.https://ela.kpi.ua/handle/123456789/52795Дана робота присвячена дослідженню методів машинного навчання та реалізації моделі машинного навчання дерева рішень в задачі пошуку клонів у програмному коді. У роботі проводиться аналіз вже існуючих підходів машинного навчання для виявлення клонів коду, на основі якого обирається найбільш оптимальний метод — використання моделі машинного навчання дерева рішень з подальшою реалізацією. Об'єктом дослідження являється код на мові програмування Python, проаналізований методами машинного навчання з метою виявлення клонів. Предметом дослідження являються методи машинного навчання, які використовуються для пошуку клонів у програмному коді. Методами дослідження виступають методи машинного навчання та методи класифікації. Актуальність роботи полягає в навчанні моделі дерева рішень для точного та швидкого виявлення клонів коду, що потенційно може мати широке використання для виявлення плагіату як у навчальних закладах, так і в IT-компаніях. Результатом роботи є створена модель, що з точністю більше 99% класифікує клоновані та не клоновані коди за мінімальний проміжок часу. Шляхи подальшого розвитку — розпізнавання клонів, що переписані з однієї мови програмування на іншу, виявлення вразливостей в коді, покращення роботи моделі за допомогою створення більш універсальних датасетів. Загальний обсяг роботи: 126 ст., 43 рис., 19 табл., 1 дод., 39 джерел.ukметоди машинного навчаннядерево рішеньклондублюваннятокенSVMTECCDmachine learning methodsdecision treecloneduplicationtokenBachelor Thesis129 с.