Geri Dön

Yapay zeka ve makine öğrenmesi yöntemleri ile yazılım kalite tahmini

Software quality prediction with artificial intelligence and machine learning methods

  1. Tez No: 797899
  2. Yazar: MAHMUT BURAK YAZICI
  3. Danışmanlar: PROF. DR. ASIM EGEMEN YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Yazılım kalitesi, yazılım geliştirme yaşam döngüsünde yer alan her türlü geliştirme ve doğrulama faaliyetleri ile doğrudan bağlantılıdır. Yazılım ürününün kalitesi, farklı otoriteler tarafından farklı kriter ve değerlendirmelere tabi tutularak belirlenir. Kalitesiz yazılımlar şirketlerin itibarını kaybetmesine, müşterilerinin güvenini yitirmesine hatta can ve mal kayıplarına dahi sebep olabilmektedir. Bu olumsuz etkilerin önüne geçebilmek adına yazılım test faaliyetleri büyük önem kazanmakta ve yazılım kalitesinin belirlenmesinde kilit rol oynamaktadır. Bu tez çalışmasında yazılım projelerinin test süreçleri ve sonuçları hakkındaki bilgilerden faydalanılarak yazılım kalitesinin doğru bir şekilde tahmin edilerek sınıflandırılması amaçlanmıştır. Bu kapsamda büyük ölçekli bir yazılım şirketine ait projelerin test süreçlerine ait veriler kullanılmıştır. Bu veri setinde yazılım kalitesi yüksek, orta ve düşük olarak etiketlenmiştir. Kalite sınıflarının makine öğrenmesi yöntemleri ve yapay sinir ağı modeli kullanılarak sınıflandırılabilmesi hedeflenmiştir. Makine öğrenmesi yöntemlerinde hiper parametrelerin seçimi dikkate alınmıştır. Yapay sinir ağı modelinde sıralı etiketlenmiş veriler için özelleştirilmiş kayıp fonksiyonunun başarım üzerindeki etkisi incelenmiştir. Farklı bir yaklaşım ile regresyon algoritmaları sınıflandırma probleminde kullanılarak başarımları değerlendirilmiştir. Doğruluk ve F skoru gibi değerlendirme kriterlerine ek olarak, kullanılan yöntemlerin sıralı sınıflandırma problemindeki başarımlarını değerlendirmek amacıyla tez çalışması kapsamında tanımlanan ceza puanı metriği ile algoritmaların performansı değerlendirilmiştir.

Özet (Çeviri)

Software quality is directly related to all kinds of development and verification activities in the software development life cycle. The quality of the software product is determined by different authorities by subjecting it to different criteria and evaluations. Poor quality software can cause companies to lose their reputation, lose the trust of their customers, and even cause loss of life and property. To prevent these negative effects, software testing activities gain great importance and play a key role in determining software quality. In this thesis, it is aimed to accurately predict and classify software quality by using the information about the testing processes and results of software projects. In this context, the data used collected from a large-scale software company have been used. In this dataset, software quality is labeled as high, medium or low. It is aimed to classify quality classes using machine learning methods and artificial neural network model. In the neural network model, the effect of the customized loss function on the performance was investigated for sequentially labeled data. With a different approach, regression algorithms were used in the classification problem and their performance was evaluated. In addition to the evaluation criteria such as accuracy and F score, the performance of the algorithms was evaluated with the penalty score metric defined within the scope of the thesis in order to evaluate the performance of the methods used in the ordinal classification problem.

Benzer Tezler

  1. Software defect prediction with a personalization focus and challenges during deployment

    Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları

    BEYZA EKEN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  2. XGboost ve karar ağacı tabanlı algoritmaların diyabet veri setleri üzerine uygulaması

    Application of XGboost and decision tree based algorithms on diabetes data

    GÜLÇİN YANGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR

  3. Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti

    AI-based blood pressure detection with electrocardiography signal

    DERYA KANDAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED KÜRŞAD UÇAR

  4. Sosyal örümcek algoritmasıyla sosyal ağlarda duygu analizi

    Sentiment analysis in social networks with social spider optimization algorithm

    VAHTETTİN CEM BAYDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BİLAL ALATAŞ

  5. Çok amaçlı akıllı metasezgisel optimizasyon modeli ile nicel verilerde kural çıkarım temelli sınıflandırma modellerinin geliştirilmesi

    Development of rule mining based classification models for quantitative data with many-objective intelligent metaheuristic optimization model

    SUNA YILDIRIM

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLAL ALATAŞ