Comparação de técnicas de classificação para predição de esforço no desenvolvimento de software

dc.contributor.advisorSoares, Rodrigo Gabriel Ferreira
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2526739219416964pt_BR
dc.contributor.authorUehara, Matheus Pitancó de Lima
dc.contributor.authorLatteshttp://lattes.cnpq.br/2761038597182432pt_BR
dc.date.accessioned2023-03-20T22:03:37Z
dc.date.available2023-03-20T22:03:37Z
dc.date.issued2019-01-31
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.descriptionA 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.pt_BR
dc.description.abstractA 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.pt_BR
dc.format.extent49 f.pt_BR
dc.identifier.citationUEHARA, 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.pt_BR
dc.identifier.urihttps://repository.ufrpe.br/handle/123456789/4178
dc.language.isoporpt_BR
dc.publisher.countryBrasilpt_BR
dc.rightsopenAccesspt_BR
dc.rightsAtribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0)pt_BR
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt_BRpt_BR
dc.rightsopenAccesspt_BR
dc.rightsopenAccesspt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectDesenvolvimento de softwarept_BR
dc.subjectClassificação textual (Computação)pt_BR
dc.subjectEstimativa de esforçopt_BR
dc.titleComparação de técnicas de classificação para predição de esforço no desenvolvimento de softwarept_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tcc_matheuspitancodelimauehara.pdf
Tamanho:
1.27 MB
Formato:
Adobe Portable Document Format
Descrição:

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: