Ciência de dados aplicada a gestão de projetos de quality assurance

Detalhes bibliográficos
Autor(a) principal: Mello, Leonardo Oliveira
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/231570
Resumo: Em Projetos de Software faz parte do processo de desenvolvimento, encontrar falhas durante a construção do software, e o quanto antes os mesmos forem encontrados, menor será o custo de correção e impacto no negócio. Essas falhas, dependendo do período em que são encontradas, podem acarretar perda financeira e de credibilidade para o cliente. Com um mercado cada vez mais volátil e competitivo, o quanto antes o time do projeto conseguir identificar a causa raiz dessas falhas, decisões estratégicas e até mesmo de mitigação dos riscos de ocorrer as falhas poderão ser tomadas, reduzindo o desperdício e retrabalho do time de projetos. Dentro desse contexto, foram realizadas as análises de um conjunto de dados contendo as falhas de projetos de desenvolvimento e utilizando Ciência de Dados e Aprendizado de Máquina, foi possível prever a causa raiz das falhas, levando em consideração as demais informações presentes no conjunto de dados. Como resultado do estudo, temos a confirmação da viabilidade de utilizar Ciência de Dados e Aprendizado de Máquina para auxiliar na tomada de decisão na gestão de projetos de desenvolvimento de Software.
id UFRGS-2_02757d9930de8fc777b7b14d61f72132
oai_identifier_str oai:www.lume.ufrgs.br:10183/231570
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Mello, Leonardo OliveiraOliveira, Flavio Moreira de2021-11-05T04:28:20Z2021http://hdl.handle.net/10183/231570001133187Em Projetos de Software faz parte do processo de desenvolvimento, encontrar falhas durante a construção do software, e o quanto antes os mesmos forem encontrados, menor será o custo de correção e impacto no negócio. Essas falhas, dependendo do período em que são encontradas, podem acarretar perda financeira e de credibilidade para o cliente. Com um mercado cada vez mais volátil e competitivo, o quanto antes o time do projeto conseguir identificar a causa raiz dessas falhas, decisões estratégicas e até mesmo de mitigação dos riscos de ocorrer as falhas poderão ser tomadas, reduzindo o desperdício e retrabalho do time de projetos. Dentro desse contexto, foram realizadas as análises de um conjunto de dados contendo as falhas de projetos de desenvolvimento e utilizando Ciência de Dados e Aprendizado de Máquina, foi possível prever a causa raiz das falhas, levando em consideração as demais informações presentes no conjunto de dados. Como resultado do estudo, temos a confirmação da viabilidade de utilizar Ciência de Dados e Aprendizado de Máquina para auxiliar na tomada de decisão na gestão de projetos de desenvolvimento de Software.Software Projects, it is part of the development process, finding faults during the construction of the software, and the sooner they are found, the lower the cost of correction and affect the business will be. These failures, depending on the period in which they are found can lead to financial and credibility loss for the client. With an increasingly volatile and competitive market, the sooner the project team can identify the root cause of these failures, strategic decisions and even mitigation of the risks of failures can be taken, reducing waste and rework of the projects. Within this context, the analyzes of a dataset containing the failures of development projects were performed and using Data Science and Machine Learning techniques, it was possible to predict the root cause of the failures, taking into account the other information present in the dataset . Because of the study, we have confirmation of the feasibility of using Data Science and Machine Learning to assist in decision making in managing software development projects.application/pdfporAprendizado de máquinaSoftwareData ScienceManagementQuality AssuranceCiência de dados aplicada a gestão de projetos de quality assuranceData science applied to quality assurance project management info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RSespecializaçãoCurso de Especialização em Engenharia de Software e Inovaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001133187.pdf.txt001133187.pdf.txtExtracted Texttext/plain59568http://www.lume.ufrgs.br/bitstream/10183/231570/2/001133187.pdf.txt2e34ce540a9851f59f7ebc4b30c78fc4MD52ORIGINAL001133187.pdfTexto completoapplication/pdf1907044http://www.lume.ufrgs.br/bitstream/10183/231570/1/001133187.pdf40ebfda0603753b501d50fc45cea66faMD5110183/2315702021-11-20 05:56:59.758625oai:www.lume.ufrgs.br:10183/231570Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-11-20T07:56:59Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Ciência de dados aplicada a gestão de projetos de quality assurance
dc.title.alternative.en.fl_str_mv Data science applied to quality assurance project management
title Ciência de dados aplicada a gestão de projetos de quality assurance
spellingShingle Ciência de dados aplicada a gestão de projetos de quality assurance
Mello, Leonardo Oliveira
Aprendizado de máquina
Software
Data Science
Management
Quality Assurance
title_short Ciência de dados aplicada a gestão de projetos de quality assurance
title_full Ciência de dados aplicada a gestão de projetos de quality assurance
title_fullStr Ciência de dados aplicada a gestão de projetos de quality assurance
title_full_unstemmed Ciência de dados aplicada a gestão de projetos de quality assurance
title_sort Ciência de dados aplicada a gestão de projetos de quality assurance
author Mello, Leonardo Oliveira
author_facet Mello, Leonardo Oliveira
author_role author
dc.contributor.author.fl_str_mv Mello, Leonardo Oliveira
dc.contributor.advisor1.fl_str_mv Oliveira, Flavio Moreira de
contributor_str_mv Oliveira, Flavio Moreira de
dc.subject.por.fl_str_mv Aprendizado de máquina
Software
topic Aprendizado de máquina
Software
Data Science
Management
Quality Assurance
dc.subject.eng.fl_str_mv Data Science
Management
Quality Assurance
description Em Projetos de Software faz parte do processo de desenvolvimento, encontrar falhas durante a construção do software, e o quanto antes os mesmos forem encontrados, menor será o custo de correção e impacto no negócio. Essas falhas, dependendo do período em que são encontradas, podem acarretar perda financeira e de credibilidade para o cliente. Com um mercado cada vez mais volátil e competitivo, o quanto antes o time do projeto conseguir identificar a causa raiz dessas falhas, decisões estratégicas e até mesmo de mitigação dos riscos de ocorrer as falhas poderão ser tomadas, reduzindo o desperdício e retrabalho do time de projetos. Dentro desse contexto, foram realizadas as análises de um conjunto de dados contendo as falhas de projetos de desenvolvimento e utilizando Ciência de Dados e Aprendizado de Máquina, foi possível prever a causa raiz das falhas, levando em consideração as demais informações presentes no conjunto de dados. Como resultado do estudo, temos a confirmação da viabilidade de utilizar Ciência de Dados e Aprendizado de Máquina para auxiliar na tomada de decisão na gestão de projetos de desenvolvimento de Software.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-11-05T04:28:20Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/231570
dc.identifier.nrb.pt_BR.fl_str_mv 001133187
url http://hdl.handle.net/10183/231570
identifier_str_mv 001133187
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/231570/2/001133187.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/231570/1/001133187.pdf
bitstream.checksum.fl_str_mv 2e34ce540a9851f59f7ebc4b30c78fc4
40ebfda0603753b501d50fc45cea66fa
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224615265042432

Registros relacionados