• Home
  • Chat IA
  • Recursos
  • Guru IA
  • Professores
Home
Recursos
Chat IA
Professores

·

Cursos Gerais ·

Engenharia de Software

Envie sua pergunta para a IA e receba a resposta na hora

Recomendado para você

Deep Web - Definição Caracterização e Monitoramento da Dark Web

20

Deep Web - Definição Caracterização e Monitoramento da Dark Web

Engenharia de Software

FIAP

Escopo do Projeto: Módulo de Sistema Acadêmico para Registro de Pesquisas

12

Escopo do Projeto: Módulo de Sistema Acadêmico para Registro de Pesquisas

Engenharia de Software

FIAP

Criptografia e VPNs - Guia Completo sobre Segurança de Redes

26

Criptografia e VPNs - Guia Completo sobre Segurança de Redes

Engenharia de Software

FIAP

Deep Web Aplicacao Pratica - Guia do Tor Browser e Onion Services

26

Deep Web Aplicacao Pratica - Guia do Tor Browser e Onion Services

Engenharia de Software

FIAP

Escopo do Projeto: Desenvolvimento de Sistema Acadêmico para Registro de Pesquisas

10

Escopo do Projeto: Desenvolvimento de Sistema Acadêmico para Registro de Pesquisas

Engenharia de Software

FIAP

Biohacking-Definicao-Relevancia-e-Aplicabilidade-Implantes-Ciberneticos-e-Mais

18

Biohacking-Definicao-Relevancia-e-Aplicabilidade-Implantes-Ciberneticos-e-Mais

Engenharia de Software

FIAP

Biohacking Wearables - Tecnologias para Ativação e Privacidade

20

Biohacking Wearables - Tecnologias para Ativação e Privacidade

Engenharia de Software

FIAP

Trabalho de Engenharia de Software

26

Trabalho de Engenharia de Software

Engenharia de Software

FIAP

Atividade Análise Github

7

Atividade Análise Github

Engenharia de Software

FIAP

Ganhar para Jogar - Atividade de Análise de Jogo

3

Ganhar para Jogar - Atividade de Análise de Jogo

Engenharia de Software

FIAP

Texto de pré-visualização

TRABALHO DA DISCIPLINA Título Análise Crítica e Experimental de Ferramentas Baseadas em Inteligência Artificial no Ciclo de Vida do Desenvolvimento de Software SDLC OBJETIVOS Geral Elaborar um relatório técnicocientífico formato de artigo curto que explore analise e demonstre o uso prático de ferramentas baseadas em IA no contexto da Engenharia de Software em uma das etapas do ciclo de vida de desenvolvimento de software análise codificação testes ou manutenção avaliando seu impacto na produtividade e na qualidade do produto final O trabalho deve abordar obrigatoriamente ferramentas ou técnicas que se enquadrem em pelo menos um dos seguintes eixos estudados na disciplina IA generativa e LLMs Uso de assistentes para escrita documentação e refatoração de código ex GitHub Copilot Amazon CodeWhisperer etc Manutenção Preditiva e Qualidade Uso de modelos de ML para predição de defeitos Defect Prediction detecção de code smells ou análise de severidade ex SonarQube etc Automação de testes Uso de IA para automação de casos de teste ou ferramentas de regressão visual ex Applitools Testim etc Sistemas autoadaptativos Investigação de mecanismos de Self Healing e autorreparo em produção Apresentar no relatório compreensão crítica sobre benefícios limitações riscos éticos e desafios técnicos dessas tecnologias Diretrizes para o Relatório Escolha uma ou duas ferramentas reais baseadas em IA voltadas para uma das etapas do ciclo de vida de desenvolvimento de software ex GitHub Copilot Amazon CodeWhisperer SonarQube com IA Testim Applitools Diffblue CodeScene etc Contextualize a ferramenta dentro de pelo menos um dos eixos da disciplina o Geraçãoassistência de código com LLMs o Geração ou otimização de casos de teste o Detecção preditiva de bugs ou code smells o Sistemas de autorreparo ou autoadaptação Analise criticamente o Como a IA é aplicada na ferramenta ex modelo utilizado tipo de dado abordagem técnica o Quais ganhos reais ela traz para a produtividade qualidade ou segurança do software o Quais são suas limitações riscos ex viés geração de código inseguro dependência excessiva ou desafios de adoção o Há implicações éticas ou de propriedade intelectual envolvidas Demonstração prática Inclua uma pequena demonstração prática ex uso do GitHub Copilot para gerar testes análise de relatório do SonarQube em um repositório público comparação de cobertura de teste comsem IA etc A demonstração prática pode ser baseada em um repositório público ex GitHub em um experimento controlado com código simples ou na análise de relatórios gerados por ferramentas gratuitas Não é necessário desenvolvimento de software complexo DESENVOLVIMENTO DO RELATÓRIO O relatório deve ser redigido em formato de artigo científico curto A estrutura deve contemplar cada item ser uma seção do artigo Introdução Contextualização da ferramenta no paradigma IAES IA na Engenharia de Software Explique em qual fase do SDLC ela se aplica Planejamento Teste Manutenção etc Fundamentação Teórica Breve explicação da tecnologia de IA utilizada Descrever sua contextualização no eixo da disciplina ex Ela utiliza Aprendizado Supervisionado Classificação ou Regressão É baseada em modelos Transformers etc Rigor acadêmico na citação de fontes e fundamentação dos conceitos discutidos no curso Análise Prática ou Estudo de Caso Descreva um cenário de uso real ou experimental Discussão sobre como a ferramenta altera a eficiência no ciclo de vida de desenvolvimento de software Descrever as respostas às questões levantadas na análise crítica Desafios e Ética Reflexão sobre as limitações da ferramenta e os desafios éticos de sua implementação em ambientes de produção Discuta os riscos de segurança vulnerabilidades no código gerado e privacidade de dados no uso dessas ferramentas Conclusão e argumentação sobre as tendências futuras da ferramenta escolhida Sintetize como a ferramenta altera o papel do Engenheiro de Software moderno como está transformando ou ainda falha em transformar a prática da Engenharia de Software Referências Cite as fontes utilizadas seguindo a norma ABNT FORMATO E DATA DE ENTREGA O artigo deve conter no máximo 8 páginas Ser entregue arquivo em formato PDF Entrega dia 19022026

Envie sua pergunta para a IA e receba a resposta na hora

Recomendado para você

Deep Web - Definição Caracterização e Monitoramento da Dark Web

20

Deep Web - Definição Caracterização e Monitoramento da Dark Web

Engenharia de Software

FIAP

Escopo do Projeto: Módulo de Sistema Acadêmico para Registro de Pesquisas

12

Escopo do Projeto: Módulo de Sistema Acadêmico para Registro de Pesquisas

Engenharia de Software

FIAP

Criptografia e VPNs - Guia Completo sobre Segurança de Redes

26

Criptografia e VPNs - Guia Completo sobre Segurança de Redes

Engenharia de Software

FIAP

Deep Web Aplicacao Pratica - Guia do Tor Browser e Onion Services

26

Deep Web Aplicacao Pratica - Guia do Tor Browser e Onion Services

Engenharia de Software

FIAP

Escopo do Projeto: Desenvolvimento de Sistema Acadêmico para Registro de Pesquisas

10

Escopo do Projeto: Desenvolvimento de Sistema Acadêmico para Registro de Pesquisas

Engenharia de Software

FIAP

Biohacking-Definicao-Relevancia-e-Aplicabilidade-Implantes-Ciberneticos-e-Mais

18

Biohacking-Definicao-Relevancia-e-Aplicabilidade-Implantes-Ciberneticos-e-Mais

Engenharia de Software

FIAP

Biohacking Wearables - Tecnologias para Ativação e Privacidade

20

Biohacking Wearables - Tecnologias para Ativação e Privacidade

Engenharia de Software

FIAP

Trabalho de Engenharia de Software

26

Trabalho de Engenharia de Software

Engenharia de Software

FIAP

Atividade Análise Github

7

Atividade Análise Github

Engenharia de Software

FIAP

Ganhar para Jogar - Atividade de Análise de Jogo

3

Ganhar para Jogar - Atividade de Análise de Jogo

Engenharia de Software

FIAP

Texto de pré-visualização

TRABALHO DA DISCIPLINA Título Análise Crítica e Experimental de Ferramentas Baseadas em Inteligência Artificial no Ciclo de Vida do Desenvolvimento de Software SDLC OBJETIVOS Geral Elaborar um relatório técnicocientífico formato de artigo curto que explore analise e demonstre o uso prático de ferramentas baseadas em IA no contexto da Engenharia de Software em uma das etapas do ciclo de vida de desenvolvimento de software análise codificação testes ou manutenção avaliando seu impacto na produtividade e na qualidade do produto final O trabalho deve abordar obrigatoriamente ferramentas ou técnicas que se enquadrem em pelo menos um dos seguintes eixos estudados na disciplina IA generativa e LLMs Uso de assistentes para escrita documentação e refatoração de código ex GitHub Copilot Amazon CodeWhisperer etc Manutenção Preditiva e Qualidade Uso de modelos de ML para predição de defeitos Defect Prediction detecção de code smells ou análise de severidade ex SonarQube etc Automação de testes Uso de IA para automação de casos de teste ou ferramentas de regressão visual ex Applitools Testim etc Sistemas autoadaptativos Investigação de mecanismos de Self Healing e autorreparo em produção Apresentar no relatório compreensão crítica sobre benefícios limitações riscos éticos e desafios técnicos dessas tecnologias Diretrizes para o Relatório Escolha uma ou duas ferramentas reais baseadas em IA voltadas para uma das etapas do ciclo de vida de desenvolvimento de software ex GitHub Copilot Amazon CodeWhisperer SonarQube com IA Testim Applitools Diffblue CodeScene etc Contextualize a ferramenta dentro de pelo menos um dos eixos da disciplina o Geraçãoassistência de código com LLMs o Geração ou otimização de casos de teste o Detecção preditiva de bugs ou code smells o Sistemas de autorreparo ou autoadaptação Analise criticamente o Como a IA é aplicada na ferramenta ex modelo utilizado tipo de dado abordagem técnica o Quais ganhos reais ela traz para a produtividade qualidade ou segurança do software o Quais são suas limitações riscos ex viés geração de código inseguro dependência excessiva ou desafios de adoção o Há implicações éticas ou de propriedade intelectual envolvidas Demonstração prática Inclua uma pequena demonstração prática ex uso do GitHub Copilot para gerar testes análise de relatório do SonarQube em um repositório público comparação de cobertura de teste comsem IA etc A demonstração prática pode ser baseada em um repositório público ex GitHub em um experimento controlado com código simples ou na análise de relatórios gerados por ferramentas gratuitas Não é necessário desenvolvimento de software complexo DESENVOLVIMENTO DO RELATÓRIO O relatório deve ser redigido em formato de artigo científico curto A estrutura deve contemplar cada item ser uma seção do artigo Introdução Contextualização da ferramenta no paradigma IAES IA na Engenharia de Software Explique em qual fase do SDLC ela se aplica Planejamento Teste Manutenção etc Fundamentação Teórica Breve explicação da tecnologia de IA utilizada Descrever sua contextualização no eixo da disciplina ex Ela utiliza Aprendizado Supervisionado Classificação ou Regressão É baseada em modelos Transformers etc Rigor acadêmico na citação de fontes e fundamentação dos conceitos discutidos no curso Análise Prática ou Estudo de Caso Descreva um cenário de uso real ou experimental Discussão sobre como a ferramenta altera a eficiência no ciclo de vida de desenvolvimento de software Descrever as respostas às questões levantadas na análise crítica Desafios e Ética Reflexão sobre as limitações da ferramenta e os desafios éticos de sua implementação em ambientes de produção Discuta os riscos de segurança vulnerabilidades no código gerado e privacidade de dados no uso dessas ferramentas Conclusão e argumentação sobre as tendências futuras da ferramenta escolhida Sintetize como a ferramenta altera o papel do Engenheiro de Software moderno como está transformando ou ainda falha em transformar a prática da Engenharia de Software Referências Cite as fontes utilizadas seguindo a norma ABNT FORMATO E DATA DE ENTREGA O artigo deve conter no máximo 8 páginas Ser entregue arquivo em formato PDF Entrega dia 19022026

Sua Nova Sala de Aula

Sua Nova Sala de Aula

Empresa

Contato Blog

Legal

Termos de uso Política de privacidade Política de cookies Código de honra

Baixe o app

4,8
(35.000 avaliações)
© 2026 Meu Guru® • 42.269.770/0001-84