Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/4178
Título: Comparação de técnicas de classificação para predição de esforço no desenvolvimento de software
Autor: Uehara, Matheus Pitancó de Lima
Endereco Lattes do autor: http://lattes.cnpq.br/2761038597182432
Orientador: Soares, Rodrigo Gabriel Ferreira
Endereco Lattes do orientador : http://lattes.cnpq.br/2526739219416964
Palavras-chave: Aprendizado do computador;Desenvolvimento de software;Classificação textual (Computação);Estimativa de esforço
Data do documento: 31-Jan-2019
Citação: UEHARA, Matheus Pitancó de Lima. Comparação de técnicas de classificação para predição de esforço no desenvolvimento de software. 2019. 49 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2019.
Abstract: A goal of activity development is critical in software development, and it is critical for the software to be delivered with quality without estimated timeframe. Estimates were taken from the project houses because they were planned in the one-year forecast, although they were facilitated by not being more stringent in the time of development of the activity, while those involving development time tended to be the more assertive in the semester demand more time and more the whole external forecasting process. The work was presented as the learning of auxiliary machines in an automated way in the times in which the improvement of movement diminished the time necessary for its accomplishment. Through the experiments were obtained results that validated the feasibility of the technique used for the extraction of characteristics and classifications in the effort estimate of the textual description of the activities. The values of the classifers range from 31% to 33% of the F-measure.
Resumo: A estimação de esforço de atividades é uma etapa fundamental no desenvolvimento de software, ela é de fundamental importância para que o software seja entregue com qualidade no prazo estimado. Estimativas realizadas de forma isolada das equipes de desenvolvimento tendem a se basear na estimativa de um especialista, essas estimativas são facilmente obtidas porém não refletem fielmente o esforço necessário do responsável pelo desenvolvimento da atividade, enquanto abordagens que envolvem o time de desenvolvimento tendem a ser mais assertivas no entanto demandam mais tempo e mais pessoas envolvidas neste processo de estimativa. Neste trabalho é apresentado como o aprendizado de máquina pode auxiliar de forma automatizada os times na melhoria de estimativas de esforço diminuindo o tempo necessário para sua realização. Através dos experimentos foram obtidos resultados que validam a viabilidade da técnica utilizada para extração de características e classificação na estimativa de esforço a partir da descrição textual das atividades. Os resultados dos classificadores variaram de 31% à 33% de F-measure.
URI: https://repository.ufrpe.br/handle/123456789/4178
Aparece nas coleções:TCC - Bacharelado em Sistemas da Informação (Sede)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_matheuspitancodelimauehara.pdf1,3 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.