Τεχνικές μηχανικής μάθησης στον έλεγχο ορθής λειτουργίας λογισμικού
Φόρτωση...
Ημερομηνία
Συγγραφείς
Κεπεσίδης, Παναγιώτης
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Ο έλεγχος ορθής λειτουργίας λογισμικού είναι μια διαδικασία απαραίτητη κατά την διάρκεια ανάπτυξης λογισμικού. Ο έλεγχος όμως δημιουργεί ένα μεγάλο πρόβλημα διαχείρισης πόρων καθώς κοστίζει σε χρόνο και κόστος. Για την αντιμετώπιση αυτού του προβλήματος εξετάζεται η αυτοματοποιημένη δημιουργία δοκιμών βασιζόμενη στα δεδομένα που προκύπτουν από τους χρήστες του λογισμικού και με την βοήθεια τεχνητής νοημοσύνης. Αλγόριθμοι όπως ο K-means και μοντέλα όπως ένα HiddenMarkovModel από την μηχανική μάθηση χρησιμοποιούνται για την ανάλυση και επεξεργασία των δεδομένων από τους χρήστες για την αποτελεσματικότερη δημιουργία δοκιμών. Η παρούσα πτυχιακή αποτελεί μελέτη της διαδικασίας ελέγχου λογισμικού, της τεχνητής νοημοσύνης και των αλγορίθμων που προαναφέρθηκαν. Τέλος, θα γίνει επεξεργασία των δεδομένων από τους χρήστες με την βοήθεια μηχανικής μάθησης και σύγκριση με αποτελέσματα πριν την εφαρμογή της, όπως ακόμα και εκτίμηση ομαδοποίησης των δεδομένων με βάση τα αποτελέσματα των αυτοματοποιημένων δοκιμών τους.
Software testing is an essential process during software development. But the testing creates a big resource management problem as it costs in time and money. To address this problem, automated test generation is being considered, based on data obtained from software users and with the help of artificial intelligence. Algorithms such as K-means and models such as a Hidden Markov Model from machine learning are used to analyze and process data from users to create tests more efficiently. This thesis is a study of the software testing process, the artificial intelligence and the above-mentioned algorithms. Finally, the data from the userswill beprocessed with the help of machine learning and the results will be compared with the results before its application, and an evaluation of clustering the data based on the results of their automated tests will be implemented as well.
Software testing is an essential process during software development. But the testing creates a big resource management problem as it costs in time and money. To address this problem, automated test generation is being considered, based on data obtained from software users and with the help of artificial intelligence. Algorithms such as K-means and models such as a Hidden Markov Model from machine learning are used to analyze and process data from users to create tests more efficiently. This thesis is a study of the software testing process, the artificial intelligence and the above-mentioned algorithms. Finally, the data from the userswill beprocessed with the help of machine learning and the results will be compared with the results before its application, and an evaluation of clustering the data based on the results of their automated tests will be implemented as well.
Περιγραφή
Λέξεις-κλειδιά
Λογισμικό, Τεχνητή νοημοσύνη
Θεματική κατηγορία
Λογισμικά - Τεχνικές, Τεχνητή νοημοσύνη
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Όνομα επιβλέποντος
Αδάμ, Σταύρος
Εξεταστική επιτροπή
Στεργίου, Ελευθέριος
Λιαροκάπης, Δημήτριος
Λιαροκάπης, Δημήτριος
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
82 σ.
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States