Yapay öğrenme ile yazılım test eforu kestirimi / Özgenil Meriç; thesis advisor Ahmet Murat Özbayoğlu.

Tez (Yüksek Lisans Tezi)--TOBB ETÜ Fen Bilimleri Enstitüsü Ekim 2020

Yazılım 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.

One 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.