dc.contributor.advisor | Αποστόλου, Δημήτριος | |
dc.contributor.author | Καραμολέγκος, Ελευθέριος | |
dc.date.accessioned | 2025-07-25T06:31:27Z | |
dc.date.available | 2025-07-25T06:31:27Z | |
dc.date.issued | 2025-06 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18019 | |
dc.description.abstract | Η παρούσα εργασία εξετάζει τις σύγχρονες μεθόδους αυτόματης δημιουργίας λογισμικού με τη χρήση Τεχνητής Νοημοσύνης (AI), δίνοντας ιδιαίτερη έμφαση στα Μεγάλα Γλωσσικά Μοντέλα (LLMs) και την αρχιτεκτονική Transformer. Στόχος της αποτελεί η διερεύνηση των τεχνολογικών μεθόδων που διευκολύνουν την αυτόματη παραγωγή κώδικα, καθώς και η παράθεση των πλεονεκτημάτων, των προκλήσεων και των ενδεχόμενων κινδύνων που απορρέουν από την ανάπτυξη λογισμικού μέσω AI. Η μεθοδολογία εμπερικλείει την επισκόπηση των βασικών μηχανισμών του Transformer, την κατασκευή και εκπαίδευση μοντέλων LLM, καθώς και την αξιολόγηση της απόδοσής τους σε εργασίες συγγραφής κώδικα. Μέσα από την εξαγωγή των συμπερασμάτων, συνάγεται ότι η αξιοποίηση AI στη δημιουργία λογισμικού προσφέρει αυξημένη αποδοτικότητα, ακρίβεια και δυνατότητες αυτοματοποίησης, πλην όμως, απαιτεί προσεκτική διαχείριση των ανακυπτόμενων ηθικών και τεχνικών ζητημάτων και προβληματισμών. | el |
dc.format.extent | 42 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.title | Παραγωγή κώδικα με τη χρήση μεγάλων γλωσσικών μοντέλων : από την αρχιτεκτονική transformer στην πράξη | el |
dc.title.alternative | Code generation with the usage of large language models : from transformers architecture to practice | el |
dc.type | Bachelor Dissertation | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | This thesis explores modern approaches to automatic software generation using Artificial Intelligence (AI), with a particular focus on Large Language Models (LLMs) and the Transformer architecture. The objective is to investigate the technologies enabling code generation, along with the associated advantages, challenges, and risks. The methodology includes an overview of the core Transformer mechanisms, the design and training of LLMs, and performance evaluation in coding tasks. The findings demonstrate that AI-driven software development significantly enhances efficiency, accuracy, and automation potential, while also raising important ethical and technical considerations that must be addressed to ensure safe and responsible deployment. | el |
dc.subject.keyword | Τεχνητή νοημοσύνη | el |
dc.subject.keyword | Transformer | el |
dc.subject.keyword | LLM | el |
dc.subject.keyword | Παραγωγή κώδικα | el |
dc.subject.keyword | Μηχανική μάθηση | el |
dc.date.defense | 2025-06-20 | |