Machine learning for analysis of indicators from software engineer

dc.contributorUniversidade Estadual Paulista (Unesp)
dc.creatorBodo, Leandro [UNESP]
dc.creatorOliveira, Hilda Carvalho de [UNESP]
dc.creatorBreve, Fabricio Aparecido [UNESP]
dc.creatorMarinho, Eraldo Pereira [UNESP]
dc.creatorEler, Danilo Medeiros [UNESP]
dc.date2016-03-02T13:04:13Z
dc.date2016-03-02T13:04:13Z
dc.date2015
dc.date.accessioned2023-09-12T08:50:28Z
dc.date.available2023-09-12T08:50:28Z
dc.identifierhttp://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol4_n1_on_line.html
dc.identifierInterciência & Sociedade, v. 4, n. 1, p. 9-20, 2015.
dc.identifier2238-1295
dc.identifierhttp://hdl.handle.net/11449/135737
dc.identifierISSN2238-1295-2015-04-01-09-20.pdf
dc.identifier0840226903480590
dc.identifier4276078473559775
dc.identifier5693860025538327
dc.identifier0000-0002-1123-9784
dc.identifier0000-0002-7413-0161
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8784969
dc.descriptionIndicadores de desempenho são importantes recursos para a gestão da qualidade no desenvolvimento de software. O volume de dados produzido por esses indicadores tende a aumentar significativamente com o tempo de monitoração, dificultando análises e tomadas de decisão. As bases históricas tornam-se complexas, considerando a quantidade de dados monitorados e a diversidade de indicadores (diferentes tipos, granularidade e frequência). Este trabalho propõe o uso de técnicas de aprendizagem de máquina para análise dessas bases, utilizando redes neurais artificiais combinadas com técnicas de visualização de informação. É utilizado um modelo de indicadores, com base nos processos do modelo de referência MPS para Software (MPS-SW), agrupados segundo as perspectivas estratégicas do Balanced Scorecard (BSC).
dc.descriptionUniversidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Matemática, Estatística e Computação, Faculdade de Ciências e Tecnologia de Presidente Prudente, Presidente Prudente, Rua Roberto Simonsen, 305, Centro Educacional, CEP 19060900, SP, Brasil
dc.descriptionUniversidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Matemática, Estatística e Computação, Faculdade de Ciências e Tecnologia de Presidente Prudente, Presidente Prudente, Rua Roberto Simonsen, 305, Centro Educacional, CEP 19060900, SP, Brasil
dc.format9-20
dc.languagepor
dc.relationInterciência & Sociedade
dc.rightsAcesso aberto
dc.sourceCurrículo Lattes
dc.titleAprendizagem de máquina para análise de indicadores na engenharia de software
dc.titleMachine learning for analysis of indicators from software engineer
dc.typeArtigo


Este ítem pertenece a la siguiente institución