Метод машинного навчання для аналізу результатів тестування програмного забезпечення

Скорочена інформація про документ
dc.contributor.advisorОлещенко, Любов Михайлівна
dc.contributor.authorЛисенко, Олександр Олегович
dc.date.accessioned2020-01-28T09:31:58Z
dc.date.available2020-01-28T09:31:58Z
dc.date.issued2019-12
dc.description.abstractenThis master's thesis is devoted to the development and implementation of machine learning method for analyzing the results of software testing. Master's thesis analyzes the existing machine learning methods for analyzing the results of software testing, defines the requirements for the developed method, substantiates and selects the most appropriate method for this task, namely – k-nearest neighbors and created own method for automated analyzing the results of software test reports based on this approach. The basic idea of the approach is that the stack path is used as the data to be clustered, because this part has information about the cause of the "drop" of the test. The practical value of the results obtained is that the proposed method has significantly reduced the time and amount of human resources required to analyze the results of software testing. In this master's thesis a web application was developed to automatically analyze the results of software testing using k-means method.uk
dc.description.abstractukДана магістерська дисертація присвячена розробленню та реалізації методу машинного навчання для аналізу результатів тестування програмного забезпечення. В дисертації проаналізовано існуючі методи машинного навчання для аналізу результатів тестування програмного забезпечення, визначено вимоги до розроблюваного методу, обґрунтовано та підібрано найбільш доцільний метод для даної задачі, а саме – k-найближчих сусідів та на його основі створено веб-додаток для автоматичного аналізу результатів тестування програмного забезпечення. Основна ідея запропонованого методу полягає у тому, що використовується траса стеку у якості даних, які необхідно кластеризувати, адже саме ця частина має у собі інформацію про причину "падіння" тесту. Практична цінність отриманих в роботі результатів полягає в тому, що запропонований метод дозволив значно зменшити час та кількість людських ресурсів, необхідних для аналізу результатів тестування програмного забезпечення. У даній магістерській дисертації розроблено веб-додаток для автоматизованого аналізу результатів тестування програмного забезпечення з використанням алгоритму k-найближчих сусідів.uk
dc.format.page157 с.uk
dc.identifier.citationЛисенко, О. О. Метод машинного навчання для аналізу результатів програмного забезпечення : магістерська дис. : 121 Інженерія програмного забезпечення / Лисенко Олександр Олегович. – Київ, 2019. – 157 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/31162
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectтестування програмного забезпеченняuk
dc.subjectмашинне навчанняuk
dc.subjectтест-кейсuk
dc.subjectstack traceuk
dc.subjectкластеризаціяuk
dc.subjectметод k-найближчих сусідівuk
dc.subjectElasticsearchuk
dc.subjectTFuk
dc.subjectIDFuk
dc.subjectsoftware testinguk
dc.subjectmachine learninguk
dc.subjecttest caseuk
dc.subjectclusteringuk
dc.subjectk-means methoduk
dc.subjectтестирование программного обеспеченияuk
dc.subjectмашинное обучениеuk
dc.subjectтрассировка стекаuk
dc.subjectкластеризацияuk
dc.subjectметод k-ближайших соседейuk
dc.subject.udc004.582uk
dc.titleМетод машинного навчання для аналізу результатів тестування програмного забезпеченняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lysenko_magistr.pdf
Розмір:
11.56 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи