Uso de Machine Learning para identificação de solicitação de teste de confirmação em projeto de teste de software

Página do item simplificado
dc.contributor.advisorMonteiro, Cleviton Vinicius Fonsêca
dc.contributor.advisor-coAlbuquerque Júnior, Gabriel Alves de
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/1399502815770584pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9362573782715504pt_BR
dc.contributor.authorSantos, Victor Leuthier dos
dc.contributor.authorLatteshttp://lattes.cnpq.br/8817589533156593pt_BR
dc.date.accessioned2023-03-23T23:17:20Z
dc.date.available2023-03-23T23:17:20Z
dc.date.issued2022-06-06
dc.degree.departamentDepartamento de Estatística e Informáticapt_BR
dc.degree.graduationBacharelado em Sistemas de Informaçãopt_BR
dc.degree.grantorUniversidade Federal Rural de Pernambucopt_BR
dc.degree.levelGraduacaopt_BR
dc.degree.localRecifept_BR
dc.descriptionUm estudo recente publicado pela Cambridge Judge Business School descobriu que os desenvolvedores perdem 620 milhões de horas por ano depurando falhas de software, o que acaba custando às empresas aproximadamente US$ 61 bilhões por ano. Este processo de depuração se torna ainda mais complexo e custoso às organizações quando o desenvolvedor não possui acesso aos recursos necessários. Utilizando a biblioteca TPOT como ferramenta de Auto Machine Learning para encontrar a melhor pipeline de um modelo foram analisados comentários do Jira afim de identificar pedidos de reteste por parte de desenvolvedores para os testadores de uma empresa. Foi construído um modelo para criação da ferramenta chamada “Preste atenção ao reteste ou Pay attention to retest” - PATRE, que utiliza Aprendizado de Máquina (Machine Learning) para identificação automática de pedido de teste de confirmação, otimizando assim a rotina dos profissionais envolvidos no desenvolvimento do software. O classificador gerado após 5 gerações foi o GradientBoostingClassifier e obteve uma precisão de 0.562, e um recall de 0.529, enquanto o f1-score encontrado foi de cerca de 0.545. Enquanto que o classificador escolhido pelo TPOT após 20 gerações foi o StackingEstimator obteve os seguintes resultados: precisão de 0.48, recall de 0.735 e f1-score de 0.581. Mostrando a influência direta do número de gerações na qualidade do modelo e do classificador final. Nenhuma informação ou dado confidencial foi utilizado para a realização deste trabalho.pt_BR
dc.format.extent33 f.pt_BR
dc.identifier.citationSANTOS, Victor Leuthier dos. Uso de Machine Learning para identificação de solicitação de teste de confirmação em projeto de teste de software. 2022. 33 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2022.pt_BR
dc.identifier.urihttps://repository.ufrpe.br/handle/123456789/4211
dc.language.isoporpt_BR
dc.publisher.countryBrasilpt_BR
dc.rightsopenAccesspt_BR
dc.rightsAtribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0)pt_BR
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BRpt_BR
dc.rightsopenAccesspt_BR
dc.rightsopenAccesspt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectDesenvolvimento de softwarept_BR
dc.subjectTestespt_BR
dc.titleUso de Machine Learning para identificação de solicitação de teste de confirmação em projeto de teste de softwarept_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tcc_victorleuthierdossantos.pdf
Tamanho:
1.31 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
license.txt
Tamanho:
1.87 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

TCC - Bacharelado em Sistemas da Informação (Sede)