Estimativa de esforço para tarefas em projetos de desenvolvimento de software.

• Autor(a) principal: ABREU NETO, Antônio Pedro de.
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20350
• topic: Desenvolvimento de software; Previsão de esforço; Duração de tasks; Tarefas de desenvolvimento de software - planejamento; Aprendizagem de máquina; Floresta aleatória; Regressão linear; Árvore de regressão; Software development; Effort forecast; Duration of tasks; Software development tasks - planning; Machine learning; Random forest; Linear regression; Regression tree; Desarrollo de software; Previsión de esfuerzo; Duración de las tareas; Tareas de desarrollo de software: planificación; Aprendizaje automático; Bosque aleatorio; Regresión lineal; Árbol de regresión; Développement de logiciels; Prévision de l'effort; Durée des tâches; Tâches de développement logiciel - planification; Apprentissage automatique; Forêt aléatoire; Régression linéaire; Arbre de régression; Ciência da Computação

Uma das dificuldades encontradas no desenvolvimento de software é conseguir predizer o tempo necessário para se concluir uma tarefa (task). Esta dificuldade pode gerar diversos problemas, tais como ciclos de desenvolvimento (sprints) sobrecarregados, com excesso de tarefas complexas para a equipe de desenvolvimento, ou o contrário, uma sprint subdimensionada. O objetivo desta pesquisa foi avaliar a viabilidade de utilizar modelos baseados aprendizagem de máquina para estimar automaticamente o tempo necessário para realizar tarefas de desenvolvimento de software. Foram realizados experimentos utilizando modelos baseados em Floresta Aleatória, Regressão Linear e Árvore de Regressão, utilizando dados reais de projetos de desenvolvimento de software. Os resultados obtidos foram encorajadores, especialmente com o modelo de regressão com Floresta Aleatória, que apresentou erros de previsão de aproximadamente uma hora.