Please use this identifier to cite or link to this item: https://repository.ufrpe.br/handle/123456789/5463
Title: Uma abordagem baseada em aprendizado de máquina para dimensionamento de requisitos de software
Authors: Fernandes Neto, Eça da Rocha
metadata.dc.contributor.authorLattes: http://lattes.cnpq.br/6325583065151828
metadata.dc.contributor.advisor: Soares, Rodrigo Gabriel Ferreira
metadata.dc.contributor.advisorLattes: http://lattes.cnpq.br/2526739219416964
Keywords: Aprendizado do computador;Inteligência artificial;Automação
Issue Date: 13-Dec-2016
Citation: FERNANDES NETO, Eça da Rocha. Uma abordagem baseada em aprendizado de máquina para dimensionamento de requisitos de software. 2016. 47 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2016.
Abstract: This work proposes to perform the automatic sizing of software requirements using a machine learning approach. The database used is real and was obtained from a company that works with Scrum-based development process and Planning Poker es- timation. During the studies, data pre-processing, classification and selection of best attributes were used along with the term frequency–inverse document frequency algo- rithm (tf-idf) and principal component analysis (PCA). Machine learning and automatic sorting occurred with the use of Support Vector Machines (SVM) based on available data history. The final tests were performed with and without attribute selection by PCA. It is demonstrated that the assertiveness is greater when the best attributes are selected. The final tool can estimate the size of user stories with a generalization of up to 91 %. The results were considered likely to be used in the production environment without any problems to the development team.
Description: Este trabalho se propõe a realizar o dimensionamento automático de requisitos de software utilizando uma abordagem de aprendizado de máquina. A base de dados utilizada é real e foi obtida de uma empresa que trabalha com processo de desenvol- vimento baseado no Scrum e estimativa Planning Poker. Durante os estudos foram utilizadas técnicas de pré processamento de dados, classificação e seleção de melho- res atributos com os algorítimos termo–inverso da frequência nos documentos (tf-idf) e análise de componentes principais (PCA). O aprendizado de máquina e classificação automática se deu com o uso de Máquinas de Vetores de Suporte (SVM) baseado no histórico de dados disponível. Os testes finais foram realizados com e sem a seleção de atributos via PCA. Está demonstrado que a assertividade é maior quando é feita a seleção dos melhores atributos. A ferramenta fruto do trabalho consegue estimar o tamanho de histórias de usuário com uma generalização de até 91%. Os resultados foram considerados passíveis de serem utilizados em ambiente de produção sem pre- juízo para a equipe de desenvolvimento.
URI: https://repository.ufrpe.br/handle/123456789/5463
Appears in Collections:TCC - Bacharelado em Sistemas da Informação (Sede)

Files in This Item:
File Description SizeFormat 
tcc_ecadarochafernandesneto.pdf1,05 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons