EIbAISCIbSE 2023

EIbAIS

The Advanced Ibero-American School on Software Engineering (EIbAIS) represents the CIbSE initiative to disseminate Software Engineering knowledge in Ibero-America. It started as a natural evolution of the CIbSE tutorials and short courses.

EIbAIS aims to promote a forum for discussions related to Software Engineering and its related technologies and theoretical foundations via the participation of practitioners, undergraduate and graduate students, and researchers. The lectures are presented by volunteers contributing to the CIbSE community and spreading Software Engineering knowledge in Ibero-America.

EIbAIS is organized into two categories of sessions: state-of-the-practice and state-of-the-art modules.

The modules regarding the state-of-the-practice offer discussions on topics of general interest and usually represent local demand. These modules support knowledge sharing and practical issues with the participants, presenting evidence-based software engineering results to the audience. Examples of state-of-practice topics include User-Centered Design, DevOps, Internet of Things, Microservices, and Software Engineering for Data Science.

The modules regarding the state-of-the-art offer discussion on topics of prospective interest and usually represent the perspectives of the Software Engineering research & innovation community. In addition, these modules intend to provide information on ongoing and next-to-coming Software Engineering technologies candidates that could represent breakthrough concepts in the field. Examples of state-of-the-art topics include the same topics of interest at the conference.

All participants participating in sessions will get a certificate of participation indicating the modules, lecturers, and contents.

La Escuela Iberoamericana Avanzada de Ingeniería de Software (EIbAIS) representa la iniciativa del CIbSE para difundir el conocimiento de la Ingeniería de Software en Iberoamérica. Comenzó como una evolución natural de los tutoriales y cursos cortos del CIbSE.

EIbAIS tiene como objetivo promover un foro de discusión sobre Ingeniería de Software y sus tecnologías y fundamentos teóricos relacionados, a través de la participación de profesionales, estudiantes de pregrado y posgrado, e investigadores. Las conferencias las imparten voluntarios comprometidos con contribuir a la comunidad CIbSE y con difundir el conocimiento de la Ingeniería de Software en Iberoamérica.

EIbAIS está organizado en dos categorías de sesiones: módulos sobre el estado de la práctica y módulos sobre el estado del arte.

Los módulos sobre el estado de la práctica ofrecen discusiones sobre temas de interés general y suelen representar la demanda local. Estos módulos apoyan el intercambio de conocimiento y cuestiones prácticas con los participantes, presentando resultados de Ingeniería de Software basados en evidencia a la audiencia. Ejemplos de temas del estado de práctica incluyen Diseño centrado en el usuario, DevOps, Internet de las Cosas, microservicios y Ingeniería de software para ciencia de datos.

Los módulos sobre el estado del arte ofrecen discusión sobre temas de interés emergentes y que generalmente representan las perspectivas de la comunidad de investigación e innovación de Ingeniería de Software. Estos módulos tienen la intención de proporcionar información sobre tecnologías de Ingeniería de Software actuales y futuras que podrían representar conceptos innovadores en el campo. Los de temas del estado del arte incluyen los mismos de la conferencia.

Todos los participantes que asistan a las sesiones obtendrán un certificado de participación, indicando los módulos, profesores y contenidos.

A Escola Ibero-Americana Avançada de Engenharia de Software (EIbAIS) representa uma iniciativa do CIbSE para disseminar conhecimento sobre Engenharia de Software na Ibero-América. Ela teve início como uma evolução natural dos tutoriais e minicursos oferecidos anteriormente pelo CIbSE.

A EIbAIS visa promover um fórum de discussões sobre a Engenharia de Software, tecnologias relacionadas e fundamentação teórica, por meio da participação de profissionais, pesquisadores, estudantes de graduação e pós-graduação. As palestras são apresentadas por voluntários engajados em contribuir com a comunidade do CIbSE e em difundir conhecimento sobre Engenharia de Software na Ibero-América.

A EIbAIS está organizada em duas categorias de sessões: estado da prática e estado da arte.

Os módulos referentes ao estado da prática oferecem discussões sobre tópicos de interesse geral e, usualmente, são identificados pela demanda local. Esses módulos apoiam o compartilhamento de conhecimento e questões práticas dos participantes, apresentando à audiência resultados de engenharia de software baseada em evidências. Exemplos de tópicos sobre o estado da prática incluem Design Centrado no Usuário, DevOps, Internet das Coisas, Microsserviços, e Engenharia de Software para Ciência de Dados.

Os módulos referentes ao estado da arte oferecem discussão sobre tópicos de interesse emergentes e geralmente representam as perspectivas da comunidade de pesquisa e inovação da Engenharia de Software. Esses módulos destinam-se a fornecer informações sobre tecnologias de Engenharia de Software atuais e inovadoras, mostrando os últimos avanços em cada assunto. Exemplos de tópicos incluem os mesmos da conferência.

Todos os participantes das sessões receberão um certificado de participação, indicando os módulos, palestrantes e conteúdos.

Cost and Registration / Costo y Registro / Custo e Registro

Cost of each EIbAIS tutorial –> $50

Registration for the CIbSE 2023 conference here.

Costo de cada tutorial del EIbAIS –> $50

Registro para la conferencia CIbSE 2023 aquí.

Custo de cada tutorial EIbAIS –> $50

Inscrições para a conferência CIbSE 2023 aqui.

EIbAIS Chairs / Coordinadores de EIbAIS / Coordenadores da EIbAIS

• Andrea Delgado (Universidad de la República de Uruguay, Uruguay)
• Marcos Kalinowski (Pontifical Catholic University of Rio de Janeiro (PUC-Rio) , Brazil)

Tutorial 1 – Monday 24th April, 8:30 to 13 hs

Data and Big Data Quality in the context of Software Engineering / Calidad de Datos y Big Data en Ingeniería de Software / Qualidade de Dados e Big Data em Engenharia de Software

The objective of this tutorial is to introduce the main concepts of data quality, as well as techniques and methodologies to address this problem, both in organizations and in the daily use of available data. In addition, an attempt is made to raise awareness of the importance of data quality, considering the growth in the volumes available in all areas and the potential they have to support decision-making of all kinds. From the research point of view, we will focus on the data quality approach for big data, and on the challenge of including data quality in Software Engineering processes. We will work in a hands-on laboratory, where we will apply the concepts learned with a given data set.

El objetivo de este tutorial es introducir los conceptos principales de calidad de datos, así como técnicas y metodologías para abordar este problema, tanto en las organizaciones como en el uso cotidiano de datos que se tienen a disposición. Además, se intenta concientizar de la importancia de la calidad de los datos, considerando el crecimiento de los volúmenes disponibles en todos los ámbitos y el potencial que tienen para dar soporte a toma de decisiones de todo tipo. Desde el punto de vista de investigación, nos detendremos en el enfoque de calidad de datos para big data, y en el desafío de la inclusión de calidad de datos en los procesos de Ingeniería de Software. Trabajaremos en un laboratorio hands-on, donde aplicaremos los conceptos aprendidos con un conjunto de datos dado.

O objetivo deste tutorial é apresentar os principais conceitos de qualidade de dados, bem como técnicas e metodologias para abordar este problema, tanto nas organizações quanto no uso diário dos dados disponíveis. Adicionalmente, procura-se sensibilizar para a importância da qualidade dos dados, tendo em conta o crescimento dos volumes disponíveis em todas as áreas e o potencial que estes têm para apoiar a tomada de decisões de todo o tipo. Do ponto de vista da pesquisa, focaremos na abordagem de qualidade de dados para big data e no desafio de incluir a qualidade de dados nos processos de engenharia de software. Trabalharemos em um laboratório prático, onde aplicaremos os conceitos aprendidos a um determinado conjunto de dados.

Dra. Adriana Marotta, Universidad de la República, Uruguay

Adriana Marotta is an Associate Professor in University of the Republic of Uruguay, and she received her PhD. in Computer Science in 2008, from the same university. Her research interests are in the Database Area, in particular in Data Quality, Data Warehouse and Big Data. In the University of the Republic, she has leaded the Databases Research Group for 10 years and she is responsible of many undergraduate and graduate courses, and of the Master in Information Systems and Data Management Technologies.

Adriana Marotta es profesora agregada de la Universidad de la República de Uruguay y recibió su doctorado en Informática en 2008, de la misma universidad. Sus intereses de investigación see encuentran en el Área de Bases de Datos, en particular en Calidad de Datos, Data Warehouse y Big Data. En la Universidad de la República, ha liderado el Grupo de Investigación en Bases de Datos durante 10 años y es responsable de numerosos cursos de pregrado y posgrado, y de la Maestría en Sistemas de Información y Tecnologías de Manejo de Datos.

Adriana Marotta é Professora Associada da Universidade da República do Uruguai, e recebeu seu doutorado em Ciência da Computação em 2008, pela mesma universidade. Seus interesses de pesquisa estão na área de Banco de Dados, em particular em Qualidade de Dados, Data Warehouse e Big Data. Na Universidade da República, liderou o Grupo de Pesquisa em Bancos de Dados por 10 anos e é responsável por vários cursos de graduação e pós-graduação e pelo Mestrado em Sistemas de Informação e Tecnologias de Gerenciamento de Dados.

Tutorial 2 – Monday 24th April, 14 to 18:30 hs.

Quantum Software Engineering / Ingeniería de Software cuántica / Engenharia de Software Quântico

In this tutorial, conceptual bases will be offered about what quantum software is, what are the principles that make it so different from the classical software development paradigm, and how they make a differentiating point when facing unsolvable challenges for classical computing. In addition, we will work with a simulation environment to understand and sketch small fragments of quantum code, allowing us to observe its behavior, and the effect that the principles of superposition and entanglement have on the basic processing units, the qubits. The objective will be to break that first barrier in terms of the development of quantum software, being able from this moment to continue investigating this highly disruptive paradigm.

En este tutorial se ofrecerán unas bases conceptuales acerca de qué es el software cuántico, cuáles son los principios que lo hacen tan distinto al paradigma de desarrollo de software clásico, y cómo marcan el punto diferenciador a la hora de afrontar retos hasta ahora irresolubles para la computación clásica. Además, en este tutorial se trabajará con un entorno de simulación mediante el cual empezar a comprender y esbozar pequeños fragmentos de código cuántico, permitiéndonos observar el comportamiento del mismo, y el efecto que tienen los principios de superposición y entrelazamiento sobre las unidades de procesamiento básicas, los cúbits. El objetivo será romper esa primera barrera en cuanto al desarrollo de software cuántico, pudiendo a partir de este momento seguir indagando en este paradigma tan disruptive.

Neste tutorial, serão oferecidas bases conceituais sobre o que é software quântico, quais são os princípios que o tornam tão diferente do paradigma clássico de desenvolvimento de software e como eles fazem um ponto diferenciador ao enfrentar desafios insolúveis para a computação clássica. Além disso, trabalharemos com um ambiente de simulação para entender e esboçar pequenos fragmentos de código quântico, permitindo observar seu comportamento e o efeito que os princípios de superposição e emaranhamento têm nas unidades básicas de processamento, os qubits. O objetivo será quebrar essa primeira barreira ao nível do desenvolvimento de software quântico, podendo a partir daí investigar este paradigma altamente disruptivo.

Dr. Ignacio García-Rodríguez de Guzmán, Universidad de Castilla-La Mancha, Spain

Ignacio García-Rodríguez de Guzmán received his PhD from the University of Castilla-La Mancha, Spain, where he also completed his undergraduate studies, and CISA from ISACA. He is currently a Professor at the School of Informatics of the same University, and Director of the Institute of Information Technologies and Systems (ITSI) of the UCLM, Ciudad Real. He is a member of the Alarcos research group specialized in Information Systems, databases and Software Engineering, and a member of aQuantum (Quantum Software Development and Engineering). He has been a Professor at the Rey Juan Carlos University of Madrid. His topics of interest are software reengineering, software modernization, model-driven architecture, software sustainability, and Quantum Software Engineering. In relation to these topics, he has written several articles in national and international magazines and conferences.

Ignacio García-Rodríguez de Guzmán Doctor por la Universidad de Castilla-La Mancha, en la que también realizó sus estudios de Ingeniero en Informática e Ingeniero Técnico en Informática de Sistemas, y CISA por la ISACA. Actualmente es Catedrático de Universidad en la Escuela Superior de Informática de Ciudad Real de la misma Universidad, y Director del Instituto de Tecnologías y Sistemas de Información (ITSI) de la UCLM. Es miembro del grupo de investigación Alarcos especializado en sistemas de información, bases de datos e ingeniería del software, y miembro de aQuantum (Quantum Software Development and Engineering). Ha sido Profesor en la Universidad Rey Juan Carlos de Madrid. Sus temas de interés giran en torno a la reingeniería del software, modernización del software, arquitectura dirigida por modelos, sostenibilidad del software e Ingeniería del Software Cuántico. En relación a estos temas, ha escrito varios artículos en revistas y conferencias nacionales e internacionales.

Ignacio García-Rodríguez de Guzmán recebeu seu doutorado pela Universidade de Castilla-La Mancha, Espanha, onde também concluiu seus estudos de graduação, e CISA pela ISACA. Atualmente é Professor da Escola de Informática da mesma Universidade e Diretor do Instituto de Tecnologias e Sistemas de Informação (ITSI) da UCLM, Ciudad Real. É membro do grupo de pesquisa Alarcos especializado em Sistemas de Informação, Bancos de Dados e Engenharia de Software, e membro da aQuantum (Quantum Software Development and Engineering). Foi professor da Universidade Rey Juan Carlos de Madrid. Seus tópicos de interesse são reengenharia de software, modernização de software, arquitetura orientada a modelos, sustentabilidade de software e engenharia de software quântico. Em relação a estes temas, tem escrito vários artigos em periódicos e conferências nacionais e internacionais.

Tutorial 3 – Tuesday 25th April, 8:30 to 13 hs

Software Architecture Challenges of ML-Enabled Systems / Desafíos de Arquitectura de Software de Sistemas habilitados para AA / Desafios de Arquitetura de Software de Sistemas de Machine Learning

The challenges of developing and deploying ML-enabled systems have been extensively reported in the literature and practitioner blogs and articles, with increasing emphasis on responsible AI implementations. Some of these challenges stem from characteristics inherent to ML components, such as data-dependent behavior, detecting and responding to drift over time, and timely capture of ground truth to inform retraining. Developing machine learning (ML) systems, just like any other system, requires architecture thinking. The sneaky part about engineering AI systems is they are “just like” conventional software systems we can design and reason about until they are not. Regardless, many principles and practices of building long-lived software systems that are sustainable still apply to engineering ML-enabled systems. We will take a software architecture lens and review four categories of software architecture challenges that need to be addressed to support ML system development, maintenance and evolution: software architecture practices and ML systems, architecture patterns and tactics for ML-important QAs, monitorability and trust as a driving QAs, and co-architecting and co-versioning. In addition, we will analyze architectural significant and not architecturally significant attributes and develop evaluation strategies for them.

Los desafíos de desarrollar e implementar sistemas habilitados para AA se han tratado ampliamente en la literatura y en blogs y artículos de profesionales, con un énfasis cada vez mayor en las implementaciones responsables de IA. Algunos de estos desafíos se derivan de las características inherentes a los componentes de AA, como el comportamiento dependiente de los datos, la detección y respuesta a los desvíos a lo largo del tiempo y la captura oportuna de la verdad fundamental (ground truth) para informar el reentrenamiento. El desarrollo de sistemas de aprendizaje automático (AA), al igual que cualquier otro sistema, requiere pensar en la arquitectura. La parte engañosa de diseñar sistemas de IA es que son “como” sistemas de software convencionales que podemos diseñar y razonar hasta que no lo son. Independientemente, muchos principios y prácticas de construcción de sistemas de software de larga duración que sean sostenibles aún aplican a la ingeniería de sistemas habilitados para AA. Tomaremos una perspectiva de arquitectura de software y revisaremos cuatro categorías de desafíos de arquitectura de software que deben abordarse para respaldar el desarrollo, el mantenimiento y la evolución de sistemas AA: prácticas de arquitectura de software y sistemas AA, patrones y tácticas de arquitectura para QA importantes en AA, capacidad de monitoreo y confianza como AQ directivas, y co-arquitectura y co-versionado. Además, analizaremos atributos arquitectónicos significativos y no significativos arquitectónicamente y desarrollaremos estrategias de evaluación para ellos.

Os desafios de desenvolver e implantar sistemas habilitados para Machine Learning (ML) foram amplamente relatados na literatura e em blogs e artigos de profissionais, com ênfase crescente em implementações responsáveis de IA. Alguns desses desafios decorrem de características inerentes aos componentes de ML, como comportamento dependente de dados, detecção e resposta a desvios ao longo do tempo e captura oportuna de informações básicas para informar o retreinamento. O desenvolvimento de sistemas de ML, assim como qualquer outro sistema, requer pensar na arquitetura. A parte sorrateira sobre a engenharia de sistemas de IA é que eles são “exatamente como” sistemas de software convencionais até que na prática se mostram não ser. Independentemente disso, muitos princípios e práticas de construção de sistemas de software estabelecidos ainda se aplicam à engenharia de sistemas habilitados para ML. Tomaremos uma lente de arquitetura de software e revisaremos quatro categorias de desafios de arquitetura de software que precisam ser abordados para dar suporte ao desenvolvimento, manutenção e evolução do sistema de ML: práticas de arquitetura de software e sistemas de ML, padrões de arquitetura e táticas para a garantia de qualidade de ML, monitorabilidade e confiança como um controle de qualidade de condução e co-arquitetura e co-versionamento. Além disso, analisaremos atributos significativos e não significativos da arquitetura e desenvolveremos estratégias de avaliação para eles.

Dra. Ipek Ozkaya, Carnegie Mellon University Software Engineering Institute (SEI)

Ipek Ozkaya is the technical director of Engineering Intelligent Software Systems group at Carnegie Mellon University Software Engineering Institute (SEI). Her main areas of expertise and interest include software architecture, software design automation, and managing technical debt in software-reliant and AI-enabled systems. At the SEI she has worked with several government and industry organizations in domains including avionics, power and automation, IoT, healthcare, and IT. Ozkaya is the co-author of a practitioner book titled Managing Technical Debt and is the Editorin-Chief of IEEE Software Magazine. She holds a PhD in Computational Design from Carnegie Mellon University.

Ipek Ozkaya es directora técnica del grupo de Ingeniería de Sistemas de Software Inteligente en el Instituto de Ingeniería de Software (SEI) de la Universidad Carnegie Mellon. Sus principales áreas de especialización e interés incluyen la arquitectura de software, la automatización del diseño de software y la gestión de la deuda técnica en sistemas basados en software y habilitados para IA. En SEI, ha trabajado con varias organizaciones gubernamentales e industriales en dominios que incluyen aviónica, energía y automatización, IoT, salud y TI. Ozkaya es co-autora del libro práctico titulado Gestión de la deuda técnica y es editora en jefe de la revista IEEE Software. Tiene un doctorado en Diseño Computacional de la Universidad Carnegie Mellon.

Ipek Ozkaya é diretora técnica do grupo Engineering Intelligent Software Systems no Software Engineering Institute (SEI) da Carnegie Mellon University. Suas principais áreas de especialização e interesse incluem arquitetura de software, automação de design de software e gerenciamento de dívidas técnicas em sistemas baseados em software e habilitados para IA. No SEI, ela trabalhou com várias organizações governamentais e industriais em áreas como aviônicos, energia e automação, IoT, saúde e TI. Ozkaya é co-autora de um livro profissional intitulado Managing Technical Debt e é editora-chefe da IEEE Software Magazine. Ela é PhD em Design Computacional pela Carnegie Mellon University.