O projeto LFC - Learning From Commits - se encaixa na grande área de Just-in-time Software Defect Prediction (JIT-SDP) que procura usar algoritmos avançados para detectar mudanças de software (ex: git commits) com potencial de introdução de defeitos. O principal desafio do JIT-SDP é lidar com dados que são enviados em fluxos (streams) esparsamente rotulados com uma distribuição de probabilidade desconhecida e sujeito a desvios de conceitos O projeto LFC, desenvolvido em parceria com a UFRPE (Universidade Federal Rural de Pernambuco) e a empresa de software FAST, tem como objetivo a criação de modelos robustos para prever mudanças críticas em software por meio do desenvolvimento de uma nova abordagem preditiva que é capaz de aprender com dados de mudanças rotulados e não rotulados. As soluções encontradas por este projeto, quando integrados a sistemas de controle de versão de software, fornecerão alertas precoces, confiáveis e automatizados de alterações indutoras de defeitos ao longo da vida útil dos projetos de software. A equipe do LASSE colabora com o desenvolvimento da arquitetura de modelos de redes neurais, análise de algoritmos de otimização de redes neurais e algoritmos de classificação de mudanças de software.