Neste exercício, iremos explorar a evolução de código em sistemas reais.

Iremos utilizar a ferramenta GitEvo. Essa ferramenta analisa a evolução de código em repositórios Git nas seguintes linguagens: Python, JavaScript, TypeScript e Java.

Você deve submeter via Moodle apenas o link do seu fork, conforme descrito abaixo.

Selecione um repositório relevante na linguagem de sua preferência (Python, JavaScript, TypeScript ou Java). Você pode encontrar projetos interessantes nos links abaixo:

• Python: https://github.com/topics/python?l=python
• JavaScript: https://github.com/topics/javascript?l=javascript
• TypeScript: https://github.com/topics/typescript?l=typescript
• Java: https://github.com/topics/java?l=java

Instale a ferramenta GitEvo com o comando:

pip install gitevo

Rode a ferramenta no repositório selecionado através do seguinte comando (dependendo da linguagem do projeto que escolheu):

# Python
$ gitevo -r python <git_url>

# JavaScript
$ gitevo -r js <git_url>

# TypeScript
$ gitevo -r ts <git_url>

# Java
$ gitevo -r java <git_url>

Onde <git_url> é URL do repositório a ser analisado. Por exemplo, para analisar o projeto Flask escrito em Python:

$ gitevo -r python https://github.com/pallets/flask

Ao rodar a ferramenta GitEvo, o arquivo index.html é gerado com diversos gráficos de evolução de código.

Abra o arquivo index.html e observe com atenção os gráficos gerados.

Selecione um dos gráficos de evolução e explique-o com suas palavras. Por exemplo, você pode:

• Detalhar a evolução ao longo do tempo,
• Detalhar se as curvas estão de acordo com boas práticas,
• Explicar grandes alterações nas curvas,
• Explorar a documentação do repositório em busca de explicações para grandes alterações
• Etc.

Seja criativo!

Para responder este exercício, primeiramente, você deve fazer um fork deste repositório. No Moodle, você deve submeter apenas a URL do seu fork.

Em seguida, adicione o arquivo gerado index.html no seu fork.

Por fim, responda as questões abaixo no seu fork:

1. Repositório selecionado: https://github.com/huggingface/transformers

2. Gráfico selecionado: Lines of code (LOC)

3. Explicação:

O gráfico mostra que o repositorio do transformers teve uma evolução constante, não brusca, como podemos ver em muitos repositórios relacionados com Inteligência Artifical que nos últimos anos tiveram uma evolução muito rápida. Em 2020, o repositório tinha cerca de 70 mil linhas e em 2025, o repositório tem 1.54 milhão de linhas de código. Apesar de não ter uma subida repentina no LOC, mas vemos que ano a ano, a média de LOC foi de 300 mil.

O gráfico evidencia a evolução constante no número de linhas de código (LOC) do repositório transformers. Em 2020, o projeto contava com aproximadamente 70 mil linhas de código e esse número cresceu progressivamente até atingir cerca de 1,54 milhão em 2025. Esse crescimento não apresenta saltos nem quedas, o que sugere uma evolução sustentável do código. Diferentemente de outros repositórios relacionados à área de inteligência artificial, que frequentemente registram aumentos repentinos de LOC em curtos períodos, o que pode indicar acúmulo desorganizado de funcionalidades, o transformers apresenta um acréscimo médio anual de cerca de 300 mil linhas.

E ao verificar a documentação oficial e os changelogs disponíveis no repositório do transformers, é possível perceber que os aumentos mais acentuados nos anos de 2021 e 2022 coincidem com a inclusão de novos modelos pré-treinados e ampliação do suporte a múltiplos frameworks (como TensorFlow e PyTorch). O crescimento contínuo entre 2023 e 2025 acompanha a novos recursos como a integração com ferramentas como PEFT, exportação para ONNX e melhorias relacionadas a escalabilidade e inferência com grandes modelos de linguagem. Esses fatores justificam o aumento das linhas de código.