Yapay Öğrenme ile Yazılım Test Eforu Tahmini
Öz
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.
Anahtar Kelimeler
Kaynakça
- [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, San Francisco, California, USA, June 2001
- [8] Richard O. Duda, Peter E. Hart, David G. Stork, “Pattern Classification” Second Eddition, ISBN-13: 978-0471056690
Ayrıntılar
Birincil Dil
Türkçe
Konular
Mühendislik
Bölüm
Araştırma Makalesi
Yayımlanma Tarihi
15 Ocak 2021
Gönderilme Tarihi
17 Temmuz 2020
Kabul Tarihi
3 Ocak 2021
Yayımlandığı Sayı
Yıl 2021 Cilt: 4 Sayı: 1
APA
Meriç, Ö., & Özbayoğlu, A. M. (2021). Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilimi, 4(1), 38-44. https://izlik.org/JA77WT86NH
AMA
1.Meriç Ö, Özbayoğlu AM. Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilim Derg. 2021;4(1):38-44. https://izlik.org/JA77WT86NH
Chicago
Meriç, Özgenil, ve A. Murat Özbayoğlu. 2021. “Yapay Öğrenme ile Yazılım Test Eforu Tahmini”. Veri Bilimi 4 (1): 38-44. https://izlik.org/JA77WT86NH.
EndNote
Meriç Ö, Özbayoğlu AM (01 Ocak 2021) Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilimi 4 1 38–44.
IEEE
[1]Ö. Meriç ve A. M. Özbayoğlu, “Yapay Öğrenme ile Yazılım Test Eforu Tahmini”, Veri Bilim Derg, c. 4, sy 1, ss. 38–44, Oca. 2021, [çevrimiçi]. Erişim adresi: https://izlik.org/JA77WT86NH
ISNAD
Meriç, Özgenil - Özbayoğlu, A. Murat. “Yapay Öğrenme ile Yazılım Test Eforu Tahmini”. Veri Bilimi 4/1 (01 Ocak 2021): 38-44. https://izlik.org/JA77WT86NH.
JAMA
1.Meriç Ö, Özbayoğlu AM. Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilim Derg. 2021;4:38–44.
MLA
Meriç, Özgenil, ve A. Murat Özbayoğlu. “Yapay Öğrenme ile Yazılım Test Eforu Tahmini”. Veri Bilimi, c. 4, sy 1, Ocak 2021, ss. 38-44, https://izlik.org/JA77WT86NH.
Vancouver
1.Özgenil Meriç, A. Murat Özbayoğlu. Yapay Öğrenme ile Yazılım Test Eforu Tahmini. Veri Bilim Derg [Internet]. 01 Ocak 2021;4(1):38-44. Erişim adresi: https://izlik.org/JA77WT86NH