代码生成工具GitHub Copilot是否真的有效 生成工具的定量评估方法.pptx

コード生成ツールGitHubCopilot;生成AIを使おう！/大丈夫？;;主なコード生成AI;目次(1/4);GitHubCopilot;GitHubCopilotの効果;送信データ;GitHubCopilot使用時のリスク;GitHubCopilotにおける潜在的バイアス;検証すべき項目;目次(2/4);検証方法;【母集団】参加メンバ

SEランク;作業時間

参加者による報告

単位：時間(小数点1位);目次(3/4);Q;C;D;SEランク別QCD;Q:GitHubCopilot導入による効果は？;Q:GitHubCopilotは有効？;結果まとめ;目次(4/4);考察;コスト指標の難しさ;導入効果を最大化する例;他の生成AIツールの組織観点評価に;おわり;【サンプルシステム】概要;EarnedValueManagement(1/3);EarnedValueManagement(2/3);EarnedValueManagement(3/3);本検証でのPV(BAC)?EV?ACの算出方法;ChatGPTでコード生成する方法;GitHubCopilot使用中の通信;【母集団】グループ構成;【サンプルシステム】ボリューム;生成AIの可能性と課題;生成AI(GenerativeAI);可能性や課題の前に;ChatGPTはAI、”関数”である;ChatGPTは”言語モデル”である;言語モデルの精度向上が困難な理由;性能の良いモデルの発見;自己教師あり学習：単語当て問題を解く;自己教師あり学習：特徴量抽出の活用;言語モデルの「冪乗則」;まとめ;生成AIの可能性：仕事が変わる;生成AIの可能性：さらに精度向上すると;生成AIの課題：偽情報と信頼性;生成AIの課題：偏見と公平性;生成AIの課題：創造性と著作権;おわり;言語モデルはどのようにして動くのか;主な言語モデル;Transformer;トークン化?位置情報も含むベクトル化;Attention機構;シングルヘッド?マルチヘッド;エンコーダ?デコーダ;Copyright?2023EXACORPORATION;参考文献