Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/70832| Tipo: | TCC |
| Título : | Realizando estimativas de esforço em projetos de desenvolvimento de software utilizando machine learning |
| Autor : | Silva, Abilio Castro e |
| Tutor: | Nogueira, Antonia Diana Braga |
| Co-asesor: | Cruz, Lívia Almada |
| Palabras clave : | Estimativa de software;Software-Desenvolvimento;Processamento de linguagem natural (Computação);Inteligência artificial |
| Fecha de publicación : | 2022 |
| Citación : | SILVA, Abilio Castro e. Realizando estimativas de esforço em projetos de desenvolvimento de software utilizando machine learning. 2022. 68 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software)-Universidade Federal do Ceará, Campus de Quixadá, Quixadá, 2022. |
| Resumen en portugués brasileño: | A atividade de estimativa de esforço em projetos de desenvolvimento de software representa um grande desafio para os envolvidos, em relação a precisão dessas estimativas, uma vez que muitos fatores podem influenciar diretamente no tempo requerido para que as tarefas do projeto possam ser concluídas. Questões como complexidade do sistema a ser desenvolvido, experiência da equipe e tecnologias adotadas são alguns exemplos desses fatores direcionadores de custo. Dentro desse contexto, foram desenvolvidas várias técnicas de estimativa de esforço que se encaixam em abordagens como as baseadas em julgamentos de especialistas, raciocínio por analogia, modelos paramétricos e as orientadas à aprendizado. Pesquisas recentes procuram explorar a abordagem orientada à aprendizado em que técnicas de aprendizado de máquina podem ser utilizadas para treinar modelos preditivos com dados históricos de projetos anteriores. Nessa abordagem, o treinamento do modelo poderia ser realizado visando prever uma estimativa para todo o projeto ou para tarefas individuais, sendo que no segundo caso, isso pode ser realizado através do processamento de linguagem natural do texto da descrições de tarefas. Este trabalho construiu um modelo preditivo utilizando uma rede neural para estimar o esforço através da descrição textual de tarefas de projetos Open Source. Para adequar o texto como entrada do modelo preditivo foi necessário empregar técnicas de processamento de linguagem natural como incorporação de palavras para a transformação do texto em vetores multidimensionais. Com base na avaliação das métricas pré-definidas observou-se que o modelo foi melhor que as linhas bases estabelecidas em alguns experimentos realizados. |
| Resumen en español: | The effort estimation activity in software development projects represents a great challenge for those involved, in relation to the accuracy of these estimates, since many factors can directly influence the time required for the project tasks to be completed. Issues such as the complexity of the system to be developed, the team’s experience and the technologies adopted are some examples of these cost drivers. Within this context, several effort estimation techniques have been developed that fit approaches such as those based on expert judgments, reasoning by analogy, parametric models and learning-oriented ones. Recent research seeks to explore the learning-oriented approach in which machine learning techniques can be used to train predictive models with historical data from previous projects. In this approach, model training could be carried out in order to predict an estimate for the whole project or for individual tasks, and in the second case, this can be done through natural language processing of the text of the task descriptions. This work built a predictive model using a neural network to estimate the effort through the textual description of Open Source project tasks. In order to adapt the text as input to the predictive model, it was necessary to use natural language processing techniques, such as word embeddings to transform the text into multidimensional vectors. Based on the evaluation of the predefined metrics, it was observed that the model was better than the baselines established in some experiments carried out. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/70832 |
| Aparece en las colecciones: | ENGENHARIA DE SOFTWARE - QUIXADÁ - TCC |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2022_tcc_acesilva.pdf | 1,55 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.