Please use this identifier to cite or link to this item: http://hdl.handle.net/1942/47162
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNEVEN, Frank
dc.contributor.authorBeckers, Ceel
dc.date.accessioned2025-09-08T12:27:13Z-
dc.date.available2025-09-08T12:27:13Z-
dc.date.issued2025
dc.identifier.urihttp://hdl.handle.net/1942/47162-
dc.description.abstractDeze thesis onderzoekt hoe generatieve AI gebruikt kan worden om complexe opdrachten op te splitsen in kleinere deelopdrachten. Vervolgens wordt besproken hoe er automatisch testcases gegenereerd kunnen worden voor deze deelopdrachten. Tot slot gaat de thesis dieper in op het gebruik van Large Language Models (LLM's) bij het debuggen, en hoe deze modellen efficiënt ingezet kunnen worden in dit proces.
dc.format.mimetypeApplication/pdf
dc.languagenl
dc.publishertUL
dc.titleGenAI ter ondersteuning van coderen en debuggen
dc.typeTheses and Dissertations
local.bibliographicCitation.jcatT2
dc.description.notesmaster in de informatica
local.type.specifiedMaster thesis
item.fullcitationBeckers, Ceel (2025) GenAI ter ondersteuning van coderen en debuggen.-
item.fulltextWith Fulltext-
item.accessRightsOpen Access-
item.contributorBeckers, Ceel-
Appears in Collections:Master theses
Files in This Item:
File Description SizeFormat 
d0a279c3-a68c-46af-89ba-023ccc61eaea.pdf1.35 MBAdobe PDFView/Open
Show simple item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.