成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

簡化軟件開發的五款機器學習工具

譯文
人工智能 機器學習
基于AI的開發工具可自動完成代碼、檢測代碼漏洞,甚至生成出色的代碼。

簡化軟件開發的五款機器學習工具

【51CTO.com快譯】使用機器學習的開發人員開展的討論大多圍繞著創建基于AI的應用程序以及用于創建它們的工具:TensorFlow、PyTorch和Scikit-learn等。

但是機器學習還在另一個方面影響軟件開發:通過新的開發工具,這種工具使用機器學習技術使編程更輕松、更高效。本文介紹了五個項目:三個商業項目、兩個實驗項目,它們讓機器學習在開發過程中為開發人員所用。

Kite

Kite是一種代碼完成工具,適用于大多數主要的代碼編輯器,它使用機器學習技術在你敲鍵輸入時填寫代碼。

Kite使用的機器學習模型是以這種方法創建的:拿來GitHub上公開可用的代碼,從中獲得抽象語法樹,將其作為模型的基礎。據Kite聲稱,這可以從代碼的上下文和意圖(而不僅僅是從文本)獲得自動建議和自動完成。

眼下,Kite僅面向Python開發人員,但支持Go的功能正在開發中。雖然Kite最初只適用于Windows和MacOS用戶,但現在它也支持Linux。

2017年,Kite因處理用戶數據不當及修改面向Atom的autocomplete-python軟件包而在開源社區引發關注。這家公司已解決了這兩個問題,聲稱Kite不再將用戶代碼發回到云服務器,而是在本地執行所有處理,并明確承認autocomplete-python軟件包是Kite倡導的軟件包。

鏈接:https://kite.com/

Codota

Codota與Kite非常相似。它使用機器學習模型,拿Java和Kotlin代碼來訓練,在你鍵入時為這些語言自動完成代碼。與Kite一樣,Codota使用代碼的語法樹,而不僅僅是文本,作為構建模型的數據。

與改版后的Kite不同,Codota使用基于云的服務來生成和提供預測。然而據該服務的文檔顯示,Codota并不將用戶代碼發送到Codota服務器,只發送“來自當前編輯的文件的少量上下文信息,以便我們根據目前的本地范圍進行預測。”

Codota適用于Windows、MacOS和Linux,但編輯器支持僅限于IntelliJ、Android Studio和Eclipse(Luna或更高版本)。鑒于它專注于Java和Kotlin語言,這有其道理。該公司特別指出,支持其他語言的功能正在開發中,JavaScript排在第一位。(現在擁有針對JetBrains JavaScript IDE:WebStorm的測試版支持。)

免費版Codota使用從免費獲取的代碼創建的預測。企業版可以使用私有代碼存儲庫來用于訓練。

鏈接:https://www.codota.com/

DeepCode

DeepCode可以在AI的指導下自動審查代碼,以檢測潛在的安全漏洞。與Kite和Codota一樣,DeepCode分析公共存儲庫中可用的代碼以查找常見模式。但DeepCode使用那些模式來識別安全漏洞。

DeepCode專注于“污點分析”(taint analysis),確定用戶輸入在到達任何安全關鍵點之前是如何處理的。如果未驗證是否可以安全傳送,直接從用戶輸入到SQL查詢的數據被視為“污點”,引發警報。

DeepCode聲稱可以標記的嚴重錯誤包括Web應用程序中常見的安全問題:跨站腳本、SQL注入攻擊、遠程代碼執行和路徑遍歷攻擊。

DeepCode的分析適用于GitHub和Bitbucket存儲庫,對于開源項目或至多30名開發人員的私有項目而言,它們不需要任何費用。DeepCode還可用于掃描本地代碼托管(比如GitHub Enterprise),可索取價目表。

鏈接:https://www.deepcode.ai/

微軟PROSE

PROSE的全稱是“使用示例進行程序合成”。微軟的這個項目是用于從示例輸入和輸出生成代碼的SDK。因此,PROSE這個工具包可用于構建預測編碼工具,而它本身不是預測編碼工具。

潛在的PROSE應用領域包括通過示例轉換文本(其中一個實現是微軟在Excel中的“Flash Fill”功能)、從文本文件中提取數據(比如日志分析)以及預測文件操作(比如通過示例將文本拆分成多列)。

鏈接:https://microsoft.github.io/prose/

Pix2code

Pix2code的理念聽起來像科幻小說。為Pix2code提供圖形用戶界面的屏幕截圖,它會生成呈現該GUI的代碼。Pix2code使用深度學習模型,使用軟件隨附的數據集進行訓練,以生成Android XML、iOS Storyboard和HTML/CSS等格式的GUI。Pix2code是一個實驗研究項目(“僅供教育用途共享”),因此用它完成的任何工作都需要使用該項目作為進一步開發的基礎。

鏈接:https://github.com/tonybeltramelli/pix2code

原文標題:5 machine learning tools to ease software development,作者:Serdar Yegulalp

【51CTO譯稿,合作站點轉載請注明原文譯者和出處為51CTO.com】

責任編輯:龐桂玉 來源: 51CTO
相關推薦

2022-08-07 23:41:42

工具GitHub開發

2022-08-28 16:10:37

軟件開發AI工具

2019-12-26 09:52:40

工具代碼開發

2023-01-17 13:55:39

2009-06-26 09:32:09

軟件開發

2024-12-18 13:10:53

2021-11-02 15:07:22

Web前端開發

2025-06-19 03:00:00

AI驅動軟件AI輔助生成代碼AI

2019-12-03 08:00:00

軟件開發產品路線圖路線圖工具

2021-03-17 13:59:07

軟件開發無服務器架構

2021-02-22 22:05:26

軟件開發應用程序開發

2017-12-01 08:53:28

機器學習大數據物聯網

2011-06-13 10:28:45

JAVA

2021-11-16 08:00:00

人工智能軟件開發工具

2020-04-16 10:19:29

軟件開發DevOps框架

2023-08-25 16:29:37

人工智能機器學習

2023-08-01 15:24:18

DevOps自動化軟件開發

2013-05-24 14:35:23

軟件開發程序員

2014-04-28 09:35:19

紅帽開源軟件

2012-02-07 09:07:37

firefox
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 国产在线精品一区二区 | 国产精品1区2区 | 精品美女久久久 | 青青草一区 | 天堂在线1 | 中文字幕91| 欧美国产精品一区二区三区 | 国产目拍亚洲精品99久久精品 | 国产伦精品一区二区三区精品视频 | 日韩欧美三区 | 午夜国产在线 | 久久久久久91香蕉国产 | 久久综合久久久 | 婷婷久久精品一区二区 | 91视视频在线观看入口直接观看 | 国产区久久 | 日本中文字幕日韩精品免费 | 91免费入口 | 国产女人第一次做爰毛片 | 久久久久91 | 天天躁日日躁狠狠躁2018小说 | av一区二区三区在线观看 | 亚洲精品国产偷自在线观看 | 亚洲欧美v | 天堂一区二区三区 | 午夜精品一区二区三区在线观看 | 国产成人网 | 日韩不卡一区二区三区 | 国产午夜精品一区二区三区在线观看 | 久精品久久 | 日本精品视频 | 免费三级网站 | 91久久精品国产免费一区 | av天天澡天天爽天天av | 欧洲一区视频 | 国产精品视频久久久 | www.色综合 | 精品国产欧美 | 国产精品国产成人国产三级 | 国产av毛片| 国产精品99久久久久久宅男 |