Yapay öğrenme ile yazılım test eforu kestirimi
Software testing effort estimation with machine learning
- Tez No: 650231
- Danışmanlar: DOÇ. DR. AHMET MURAT ÖZBAYOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Yazılım Test dünyasındaki en önemli problemlerden bir tanesi yazılım test planları oluşturulurken test eforunun net bir şekilde belirlenememesidir. Projelerdeki yazılım test işçiliği için ayırılması gereken süre ve kaynak ihtiyacının doğru bir şekilde belirlenebilmesi, proje takvimlerinin oluşturulabilmesi ve kaynakların verimli bir şekilde kullanılabilmesi için önem arz etmektedir. Bu çalışmada yapay öğrenme algoritmaları kullanarak yazılım test eforu tahmini üzerine çeşitli yapay öğrenme modelleri önerilmiştir. Önerilen metot ile ASELSAN A.Ş. bünyesinde geliştirilen, Komuta Kontrol Kullanıcı Arayüzü Yazılımları ve Gömülü ve Gerçek Zamanlı Yazılımları doğrulamak için harcanan test eforu analiz edilerek, ileride yapılması planlanan test aktiviteleri için etkin bir test eforu tahmini yapılmaktadır. Yapılan test eforu tahminleri, şu anda kullanılmakta olan geleneksel yöntemler ile karşılaştırılarak önerilen yöntemin başarı değerlendirmesi de yapılmıştır.
Özet (Çeviri)
One of the main headlines of software test literature is the problem of not having a sound estimation of software test effort while scheduling a plan for the whole software development. The software test process time in software projects shouldbe estimated timely in order to gather the required resources beforehand. In this work, using Machine Learning algorithms, we propose a new method of software effort estimation. Using the past experiences of software test efforts processed in ASELSAN in the areas of command center graphical user interfaces, embedded and real-time software test developments, we strive for better estimations. The new estimations are evaluated in comparison with the traditional methods.
Benzer Tezler
- BMI prediction from face images
Yüz görüntülerinden vücut kitle indeksi tahmini
GÜLPINAR BÖLÜKBAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Modeling of the marine diesel engines with comparative machine learning methodologies
Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi
MEHMET İLTER ÖZMEN
Doktora
İngilizce
2024
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL
- Acil tıp asistanlarında kısa eğitim modeli ile aort ve mitral kapak yetmezliğin değerlendirilmesi
Evaluation of aortic and mitral valve failure with A brief training model in emergency medicine assistants
GÖRKEM KARAHAN
Tıpta Uzmanlık
Türkçe
2022
Sağlık Eğitimiİzmir Katip Çelebi ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. ZEYNEP KARAKAYA
DR. ÖĞR. ÜYESİ ADNAN YAMANOĞLU
- Random capsule network (CAPSNET) forest model for imbalanced malware type classification task
Dengesiz sınıf dağılımına sahip kötü amaçlı yazılım sınıflandırma görevi ̇için rassal kapsül ağı (CAPSNET) orman modeli
AYKUT ÇAYIR
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. HASAN DAĞ
- UR5 işbirlikçi robotla farklı geometrik şekillere sahip nesnelerin sınıflandırılması
Classifying components with different geometric shapes by UR5 cobot
AHMET ARAS AL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞÖLEN KUMBAY YILDIZ