Software effort estimation using machine learning algorithms
Yazılım efor tahmininin makina öğrenme metodları kullanarak tahmini
- Tez No: 181213
- Danışmanlar: DR. AYŞE BENER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Yazılım mühendisliğinde, asıl amaç limitli zaman planı ve bütçe ile istenilensonuçları veren projeler üretebilmektir. Bir projenin bütçesini etkileyen bir çok faktörvardır. Bunlardan en önemlisi bir proje üzerinde harcanan efordur ve bu efor proje üzerindeçalışan geliştirici, yönetici ve mimarları da kapsar. Eforu tahmin etmek ise önemlidir çünkübir projeye fazladan insan atamak gelir kaybına yol açacağı gibi gereğinden az insanıatamak ürünün bitirilmesinde gecikmeye yol açacaktır. Zaman planı ve bütçeyi dengelemekiçin, efor değerinin önceden belirlenmesi gerekir. Yazılım firmaları genelde gerekli eforutahmin etmek için uzman yargısını kullanırlar, ancak tatmin edici sonuçlar almaktanuzaktadırlar.Bu araştırmanın asıl amacı bütçe ve zaman planı aşımlarına bağlı problemlerinüzerinden gelmek için yazılım efor tahmininin bir analizini gerçekleştirmektir. Bizimsunduğumuz çözüm hem yazılım mühendisliğinde efor ve fiyat tahminine farklı bir bakışaçısı getirmekte hem de yazılım efor tahmini sürecini geliştirmeye çalışmakatdır. Eğeruygulayıcılar daha doğru efor tahminlerine sahip olurlarsa ilgili riskleri yönetebilirler ve burisklere bağlı ortaya çıkabilecek zararları önceden önleyebilirler.Biz, yazılım projelerinde daha iyi fiyat ve efor tahminleri için çok katmanlıperseptron, radyal taban fonksiyonları, karar ağaçları ve destek vektör makinaları gibimakina öğrenme yöntemlerini kullanarak bir model önerdik. Bu modele girdi olarakkullanılacak metric veriyi NASA, USC gibi üçüncü partilerden ve Türkiye' deki farklıyazılım firmalarından topladık.
Özet (Çeviri)
In software engineering, the main aim is to develop projects that produce the desiredresults within limited schedule and budget. There are many factors that affect the budget ofa project. The most important factor that is affecting the budget of a project is effort whichincludes the developers, managers, and architects working on a project. Estimating effort iscrucial since hiring more people than actually needed leads to loss of income and likewisehiring less people than actually needed leads to delay in product delivery. To balanceschedule and budget, the effort needs to be correctly predetermined. In softwareengineering this problem is called as effort estimation problem. Software companiesusually use expert judgment to estimate the required effort, however, they are far fromgetting satisfactory results.The main objective of this research is making an analysis of software effortestimation to overcome problems related to budget and schedule overruns. Our proposedsolution not only brings another point of view into software engineering cost and effortestimation but it also tries to improve the software effort estimation process. If practitionershave more accurate estimations then they would be able to manage risks and prevent anylosses that may have occurred due to these risks.We have proposed a model that uses machine learning methods such as MultilayerPeceptrons, Radial Basis Functions, Decision Trees, Support Vector Machines andPrincipal Components Analysis for a better cost and effort estimation in softwaredevelopment projects. We have obtained the metric data that is used as an input to thesemethods from third parties such as National Aeronautics and Space Administration(NASA) and University of South California (USC) and various projects from softwaredevelopment organizations in Turkey.
Benzer Tezler
- Yapay öğrenme ile yazılım test eforu kestirimi
Software testing effort estimation with machine learning
ÖZGENİL MERİÇ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET MURAT ÖZBAYOĞLU
- Makine Öğrenmesi tabanlı yazılım maliyet tahmini yöntemlerinin karşılaştırmalı analizi
A comparive analysis of machine learning based software cost estimation methods
MUAZ GÜLTEKİN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OYA KALIPSIZ
- Yazılım projelerinde iş gücü tahmini için makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of machine learning methods for software project effort estimation
VEHBİ YURDAKURBAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TAKUHİ NADİA ERDOĞAN
- Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi
Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data
EREN POLATCAN
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ
- Predicting software vulnerabilities using topic modeling with issues
Konu modelleme yöntemi ile yazılım güvenlik açıklarını tahmin etme
FATMA GÜL BULUT
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN