Makine öğrenmesi yöntemleri ile yazılım hata tahmini
Software defect prediction with machine learning methods
- Tez No: 704532
- Danışmanlar: DOÇ. DR. RÜYA ŞAMLI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 113
Özet
Yazılım hatası, bir yazılım ürününde bir yazılım gereksinimini veya son kullanıcının ihtiyacını karşılamayan bir durum, başka bir ifadeyle hata, bir programın kusurlu çalışmasına ya da istenmeyen sonuçlar üretmesine neden olan kodlama veya mantıktaki bir kusurdur. Yazılım hataları, yazılım geliştirme aşamaları sırasında uygulanan testler sayesinde daha erken safhada tespit edilebilir ve düzeltilebilir. Yazılım hata tahmini konularında yapılan çalışmalarda daha çok makine öğrenmesi algoritmalarının ve istatistiksel yöntemlerin kullanıldığı görülmektedir. Bu tez çalışmasında, literatürde raporlanmış makine öğrenmesi algoritmaları ile kıyaslama gerçekleştirilmesi amacıyla NASA (National Aeronautics and Space Administration-Ulusal Havacılık ve Uzay Dairesi) Metrik Veri Programı tarafından oluşturulmuş, PROMISE (Predictor Models in Software Engineering–Yazılım Mühendisliğinde Tahmin Modelleri) deposunda yer alan NASA'ya ait projelerin 4 adet veri seti (JM1, KC1, CM1, PC1) üzerinde WEKA veri madenciliği aracında ve Google Colab ortamında Pyhton dili kullanılarak çeşitli makine öğrenmesi algoritmaları ve istatistiksel yöntemler gerçeklenmiş, performansları her veri seti için doğruluk (accuracy) oranları ve ROC (Reciever Operator Characteristics Curve – Alıcı Operatör Özellikleri Eğrisi) eğrisi altında kalan AUC (Area Under Curve- Eğri Altında Kalan Alan) değerleri ile karşılaştırılmıştır. Ayrıca çeşitli program kodlarından oluşan bir veri setinin metrikleri belirlenmiş, yeni oluşturulan bu veri seti üzerinde yine çeşitli veri madenciliği algoritmaları ile hata tahminlemesi gerçekleştirilmeye çalışılmıştır.
Özet (Çeviri)
A software error is a situation in a software product that does not meet a software requirement or the need of the end user, in other words, an error is a flaw in coding or logic that causes a program to malfunction or produce unwanted results. Software errors can be detected and corrected at an earlier stage thanks to the tests applied during the software development stages. In studies on software error prediction, it is seen that machine learning algorithms and statistical methods are mostly used. In this thesis study, 4 data sets of NASA projects (JM1, KC1, CM1, PC1) created by NASA (National Aeronautics and Space Administration-Metric Program) in the repository of PROMISE (Predictor Models in Software Engineering)) in order to compare machine learning algorithms reported in the literatüre was preferred. On these data sets, various machine learning algorithms and statistical methods were implemented using the WEKA data mining tool and Python language in Google Colab environment, their performances were compared with the accuracy rates and the AUC(Area Under Curve) values under the ROC (Reciever Operator Characteristics Curve) curve for each data set. In addition, the metrics of a data set consisting of various program codes were determined, and defect prediction was tried to be performed on this newly created data set with various data mining algorithms.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile yazılım hata tahmini
Software defect prediction with machine learning methods
MURAT ÇETİNER
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- Software defect prediction with a personalization focus and challenges during deployment
Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları
BEYZA EKEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- Advancing software defect prediction through ensemble Xai methods: Insights and performance evaluation
Entegre Xai yöntemleri ̇ile yazılım hata tahmininin geliştirilmesi: Analizler ve performans değerlendirmesi
BAHAR GEZİCİ GEZİCİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYÇA KOLUKISA
- Makine öğrenmesi algoritmaları ile yazılım hata kestirimi
Software defect prediction with machine learning algorithms
ÖZGE ŞEN KAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM BOZKURT KESER
- Tekrar eden veri analizini kullanarak yazılım geliştirme için iyileştirilmiş hata tahmini
A new improved defect prediction framework for software development using repeated data analysis
MUHAMMED MARUF ÖZTÜRK
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ZENGİN