A machine learning approach for failure prediction in continuous integration
Sürekli entegrasyonda hata tahmini için bir makine öğrenmesi yaklaşımı
- Tez No: 981800
- Danışmanlar: PROF. DR. HASAN SÖZER, DOÇ. DR. REYHAN AYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Sürekli bütünleşme, Machine learning, Continuous integration
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürekli Entegrasyon (CI), geliştiricilerin kod değişikliklerini düzenli olarak merkezi bir depoya birleştirdiği ve paylaşılan bir kod tabanı üzerinde eşzamanlı iş birliğini mümkün kılan bir geliştirme uygulamasıdır. CI içerisindeki bu sık entegrasyon ve otomatik derleme süreci, geliştirme aşamasının erken safhalarında çakışma veya hataların tespit edilmesine ve çözülmesine yardımcı olmaktadır. Ancak, büyük ölçekli sistemlerde derleme süreci maliyetli olabilmektedir. Her bir derleme belirli bir maliyet yaratırken, derlemelerin atlanması tespit edilemeyen hataların riskini artırabilir. Bu makale, endüstriyel bir ortamda gerçekleştirilen ampirik bir çalışmayı sunmakta ve derleme hatalarını tahmin etmek amacıyla makine öğrenmesi tekniklerinin kullanımını incelemektedir. Doğru tahminler, CI maliyetlerini azaltmak için güvenle atlanabilecek derlemelerin belirlenmesine yardımcı olmaktadır. Gerçek dünyadaki endüstriyel projelerinden türetilen bir veri kümesinde çeşitli modeller ve özellik kombinasyonları değerlendirilmektedir. Başarısız yapıları tahmin etmede yüksek hassasiyet ancak düşük duyarlılık gözlemlenmiştir, bu da bir miktar hatanın potansiyel olarak gözden kaçmasına rağmen yüzlerce başarılı yapının doğru şekilde atlanmasına olanak sağlamaktadır.
Özet (Çeviri)
Continuous Integration (CI) is a development practice where developers regularly merge their code changes into a central repository, enabling simultaneous collaboration across a shared codebase. This frequent integration and automated building process in CI helps to detect and resolve conflicts or errors early in development. However, in large-scale systems, the build process can be costly. Each build incurs expenses, while skipping builds can increase the risk of undetected failures. This paper presents an empirical study within an industrial setting, investigating the use of machine learning techniques to predict build failures. Accurate predictions can help to identify builds that can be safely skipped to reduce CI costs. We evaluate various models and feature combinations on a dataset derived from real-world industrial projects. We observe high precision but low recall in predicting failed builds, allowing hundreds of successful builds to be correctly skipped, with around a dozen failures potentially being missed.
Benzer Tezler
- Kronik hepatit b hastalarında sağlık okuryazarlığı ölçeği geliştirilmesi ve düzeyinin istatistiksel ve makine öğrenmesi yöntemleriyle modellenmesi
Development of a health literacy scale in patients with chronic hepatitis b and modeling of health literacy levels using statistical and machine learning methods
BARIŞ ELALTUNTERİN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE YAYLALI
- Siber güvenlik sistemleri için dinamik ve artımlı makine öğrenmesi yaklaşımları
Dynamic and incremental machine learning approaches for cyber security systems
ENGİN BAYSAL
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- Classification, prediction and state estimation algorithms for predictive maintenance
Kestirimci bakım için sınıflandırma, tahmin ve durum kestirimi algoritmaları
UĞUR YILDIRIM
Doktora
İngilizce
2026
Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN AFŞER
- Makine öğrenmesi tabanlı akıllı şehir çözümleri: Bina türü tanıma, su tüketimi öngörüsü ve sızıntı tespiti
Machine learning-based smart city solutions: Building type identification, water consumption forecasting, and leak detection
RAUF YASİN
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEÇKİN ARI
- Yapay zeka tabanlı bara diferansiyel koruma sistemi
Artificial intelligence based busbar differential protection system
EMRE ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU