000			03221nam a2200409 i 4500
999			_c200447039 _d65251
003			TR-AnTOB
005			20230908000958.0
007			ta
008			171111s2021 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200447039
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE BİL YL’20 MER
100	1		_aMeriç, Özgenil _eauthor _9135342
245	1	0	_aYapay öğrenme ile yazılım test eforu kestirimi / _cÖzgenil Meriç; thesis advisor Ahmet Murat Özbayoğlu.
246	1	1	_aSoftware testing effort estimation with machine learning
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2021.
300			_axi, 65 pages : _billustrations ; _c29 cm
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aTez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Ekim 2020
520			_aYazılım Test dünyasındaki en önemli problemlerden bir tanesi yazılım test planları oluşturulurken test eforunun net bir şekilde belirlenememesidir. Projelerdeki yazılım test işçiliği için ayırılması gereken süre ve kaynak ihtiyacının doğru bir şekilde belirlenebilmesi, proje takvimlerinin oluşturulabilmesi ve kaynakların verimli bir şekilde kullanılabilmesi için önem arz etmektedir. Bu çalışmada yapay öğrenme algoritmaları kullanarak yazılım test eforu tahmini üzerine çeşitli yapay öğrenme modelleri önerilmiştir. Önerilen metot ile ASELSAN A.Ş. 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. Yapılan test eforu tahminleri, şu anda kullanılmakta olan geleneksel yöntemler ile karşılaştırılarak önerilen yöntemin başarı değerlendirmesi de yapılmıştır.
520			_aOne of the main headlines of software test literature is the problem of not having a sound estimation of software test effort while scheduling a plan for the whole software development. The software test process time in software projects shouldbe estimated timely in order to gather the required resources beforehand. In this work, using Machine Learning algorithms, we propose a new method of software effort estimation. Using the past experiences of software test efforts processed in ASELSAN in the areas of command center graphical user interfaces, embedded and real-time software test developments, we strive for better estimations. The new estimations are evaluated in comparison with the traditional methods.
653			_aYazılım test eforu kestirimi
653			_aYapay sinir ağları
653			_aKaynak kullanımı
653			_aMakine öğrenmesi
653			_aSoftware test effort estimation
653			_aArtificial neural networks
653			_aSource optimization
653			_aMachine learning
700	1		_aÖzbayoğlu, A. Murat _9125250 _eadvisor
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z