Veri Madenciliği İle Yazılım Hata Tespiti

Yıl 2016, Cilt: 3 Sayı: 2, 0 - 0, 31.05.2016

Züleyha Akgün

https://doi.org/10.31202/ecjse.264197

Cited By: 1

Öz

Bilişim teknolojilerinde ilerleme ile hayatımız kolaylaşmış, özellikle kamu kuruluşları ile yaptığımız işleri bilgisayar ekranında tamamlama hatta imzalar evden elektronik ortamda atılmaya başlanmıştır. Bütün bu yazılımları yapan şirketlerin sayısı son yıllarda tüm dünyada olduğu gibi ülkemizde de hızla atmaya başlamıştır. Yazılım mühendisliği sadece kod yazmak olmayıp, projenin planlaması, tasarımı ve sınanmasını da içeren bir mühendislik disiplini olmuştur. Bu araştırma kapsamında yazılım esnasında yapılan hataların en aza indirgenmesi amacı ile veri madenciliği yöntemleri kullanılarak yazılım hataları ve bu hataların en çok yaşandığı durumlar tespit edilmiştir. Elde edilen sonuçlar göstermektedir ki yazılım mühendisinin mezun olduğu okul, tecrübesi, medeni durumu, yazılım dillerindeki tecrübesi ve ilgili sektör ve firma tecrübesi yazılım hata sayısına etki etmektedir.

Anahtar Kelimeler

Yazılım mühendisliği, Veri madenciliği, Apriori algoritması, Hata

Kaynakça

• Kalıpsız O., Buharalı A. ve Biricik G., (2012). Sistem analizi ve tasarımı, Papatya Yayıncılık.
• Elbasi E. (2014).Veri Madenciliği Ders Notları, Çankaya Üniversitesi.
• J.W. Fawcett ve M.K. Gungor, (2005). Software development risk model. Applied to data from open-source Mozilla Project, International Conference on Software Engineering Research and Practice, Las Vegas, NV, USA.
• S.L. Pfleeger ve S.A. Bohner, (1990). A framework for software maintenance metrics, IEEE Transactions on Software Engineering, pp. 320-327.
• Kudyba, S. (2004). Managing Data Mining. Cy-berTech Publishing,146-163.
• Han, J., ve Kamber, M., (2001). Data Mining Concepts and Techniques, Morgan Kauf- mann Publishers.
• Kaur., H., ve Wasan., S. (2006). Empirical Study on applications of Data Mining Techniques in Healthcare, Journal of Computer Science, 2(2).
• Chen., Y., ve Wu., S. (2003). Exploring Out-Pa-tient Behaviors in Claim Database: A Case Study Using Association Rules, AMIA Sym-posium Proceedings.
• Nagadevara., V., Application of Neural Prediction Models in Healthcare.
• Carino., C., Jia., Y., Lambert., B., West., P., Yu., C. (2005). Mining Officially Unrecognized Side Effects of Drugs by Combining Web Search and Machine Learning, CIKM’05,Bremen, Germany.