ANÁLISIS DE LA TRADUCCIÓN AUTOMÁTICA DE CÓDIGO FUENTE: UN ENFOQUE PRÁCTICO
dc.contributor.author | Mora Navas, Sergio | |
dc.date.accessioned | 2024-07-17T20:00:06Z | |
dc.date.available | 2024-07-17T20:00:06Z | |
dc.date.issued | 2024-07-17 | |
dc.description | Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: María Del Soto Montalvo Herranz | |
dc.description.abstract | La traducción automática de código fuente es un campo en desarrollo en la ingeniería de software que tiene como objetivo facilitar la reutilización del código y permitir a los desarrolladores trabajar con diferentes lenguajes de programación de manera más eficiente. En un entorno tecnológico cada vez más diversificado, donde surgen nuevos lenguajes y plataformas constantemente, esta habilidad es vital. La traducción de código reduce los costos y el tiempo de desarrollo de software al permitir la interoperabilidad entre varios sistemas. Este estudio examina y analiza sistemas de traducción automática de código fuente. El objetivo principal es determinar si estos sistemas pueden proporcionar una solución efectiva y eficiente en comparación con los métodos y herramientas de traducción de código convencionales. Se examinarán temas como la precisión de la traducción, la preservación de la funcionalidad y la estructura del código original, la legibilidad y calidad del código resultante. Se han realizado varios experimentos para traducir fragmentos de código entre varios lenguajes de programación, como Python, Java, Ruby y Haskell, utilizando herramientas basadas en inteligencia artificial, como GitHub Copilot. Los resultados de los experimentos se evaluaron en términos de precisión, completitud, exactitud y si requerían ajustes manuales o no. | |
dc.identifier.uri | https://hdl.handle.net/10115/38234 | |
dc.language.iso | spa | |
dc.publisher | Universidad Rey Juan Carlos | |
dc.rights | Creative Commons Atribución 4.0 Internacional | |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/legalcode | |
dc.subject | Inteligencia artficial | |
dc.subject | GPT | |
dc.subject | programación multilingüe | |
dc.subject | Github Copilot | |
dc.subject | Aprendizaje profundo | |
dc.subject | transcompiladores. | |
dc.title | ANÁLISIS DE LA TRADUCCIÓN AUTOMÁTICA DE CÓDIGO FUENTE: UN ENFOQUE PRÁCTICO | |
dc.type | info:eu-repo/semantics/studentThesis |
Archivos
Bloque original
1 - 2 de 2
Cargando...
- Nombre:
- 2023-24-ETSII-A-2285-2285040-s.moran.2019-MEMORIA.pdf
- Tamaño:
- 836.17 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Memoria del TFG
No hay miniatura disponible
- Nombre:
- 2023-24-ETSII-A-2285-2285040-s.moran.2019-ANEXO.zip
- Tamaño:
- 285.2 KB
- Formato:
- Unknown data format
- Descripción:
- Anexo.zip