Dergiler / Veri Bilimi / 2021 / Cilt: 4 - Sayı: 1

Yapay Öğrenme ile Yazılım Test Eforu Tahmini

Sayfa
38–44
Yayın Tarihi
2021-01-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Önerilen metot ile ASELSAN bünyesinde geliştirilen, Komuta Kontrol Kullanıcı Arayüzü Yazılımları ve Gömülü ve Gerçek Zamanlı Yazılımları doğrulamak için harcanan test eforu analiz edilerek, ileride yapılması planlanan test aktiviteleri için etkin bir test eforu tahmini yapılmaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yazılım Test dünyasındaki en önemli problemlerden bir tanesi yazılım test planları oluşturulurken test eforunun net bir şekilde belirlenememesidir.
📊
Temel Bulgular & Veri:Bundan dolayı projelerdeki yazılım test işçiliği için ayrılması gereken süre ve kaynak ihtiyacının doğru bir şekilde belirlenebilmesi, proje takvimlerinin oluşturulabilmesi ve kaynakların verimli bir şekilde kullanılabilmesi için önem arz etmektedir.
💡
Sonuç & Katkı:Önerilen metot ile ASELSAN bünyesinde geliştirilen, Komuta Kontrol Kullanıcı Arayüzü Yazılımları ve Gömülü ve Gerçek Zamanlı Yazılımları doğrulamak için harcanan test eforu analiz edilerek, ileride yapılması planlanan test aktiviteleri için etkin bir test eforu tahmini yapılmaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yazılım Test Eforu Kestirimi · Yapay Sinir Ağları · Kaynak Kullanımı

Özet

Yazılım Test dünyasındaki en önemli problemlerden bir tanesi yazılım test planları oluşturulurken test eforunun net bir şekilde belirlenememesidir. Yazılım test süreci, her zaman yazılımın içerisinde hatalar olduğunu önkoşul olarak kabul etmeli ve olabildiğince fazla hata bulabilmek için çabalamalıdır. Bundan dolayı projelerdeki yazılım test işçiliği için ayrılması gereken süre ve kaynak ihtiyacının doğru bir şekilde belirlenebilmesi, proje takvimlerinin oluşturulabilmesi ve kaynakların verimli bir şekilde kullanılabilmesi için önem arz etmektedir. Bu makalede makine öğrenme algoritmaları kullanarak yazılım test eforu tahmini üzerine yeni bir metot önerilmiştir. Önerilen metot ile ASELSAN bünyesinde geliştirilen, Komuta Kontrol Kullanıcı Arayüzü Yazılımları ve Gömülü ve Gerçek Zamanlı Yazılımları doğrulamak için harcanan test eforu analiz edilerek, ileride yapılması planlanan test aktiviteleri için etkin bir test eforu tahmini yapılmaktadır.

🔖

Bu Makaleye Atıf Yap

MERİÇ, Ö., ÖZBAYOĞLU, A. M. (2021). Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilimi, Cilt: 4 - Sayı: 1, 38–44. https://ajindex.com/articles/821858

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (2)

  1. Natália França Felipe, (2014) “A Comparative Study of Three Test Effort Estimation Methods”, Revista Cubana de Ciencias Informáticas, Vol. 8, No. Especial UCIENCIA [2] Praveen Ranjan Srivastava, (2015) “Estimation of software testing effort using fuzzy multiple linear regression”, Int. J. Software Engineering, Technology and Applications, Vol. 1, Nos. 2/3/4 [3] Daniel G. e Silva, (2010) “Machine learning methods and asymmetric cost function to estimate execution effort of software testing”, Third International Conference on Software Testing, Verification and Validation [4] Praveen Ranjan Srivastava, (2012) “Software test effort estimation: a model based on cuckoo search”, Int. J. Bio-Inspired Computation, Vol. 4, No. 5 [5] Dharmender Singh Kushwaha and A.K. Misra, (2008) “Software Test Effort Estimation”, ACM SIGSOFT Software Engineering Notes, May 2008 Vol. 33 No. 3 [6] Prasanta Bhattacharya, (2012) “Software Test Effort Estimation Using Particle Swarm Optimization” [7] Suresh Nageswaran, (2001) “Test Effort Estimation Using Use Case Points” Quality Week 2001,
  2. San Francisco, California, USA, June 2001 [8] Richard O. Duda, Peter E. Hart, David G. Stork, “Pattern Classification” Second Eddition, ISBN-13: 978-0471056690 [9] O. Ege Adalı, N. Alpay Karagöz, (2017) “Software Test Effort Estimation” 43rd Euromicro Conference on Software Engineering and Advanced Applications (SEAA)