Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/37999Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Κεπεσίδης, Παναγιώτης | el |
| dc.date.accessioned | 2024-06-20T09:06:02Z | - |
| dc.date.available | 2024-06-20T09:06:02Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/37999 | - |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.17706 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Λογισμικό | el |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.title | Τεχνικές μηχανικής μάθησης στον έλεγχο ορθής λειτουργίας λογισμικού | el |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Λογισμικά - Τεχνικές | - |
| heal.classification | Τεχνητή νοημοσύνη | - |
| heal.dateAvailable | 2024-06-20T09:07:02Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2022 | - |
| heal.abstract | 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. | el |
| heal.abstract | 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. | en |
| heal.advisorName | Αδάμ, Σταύρος | el |
| heal.committeeMemberName | Στεργίου, Ελευθέριος | el |
| heal.committeeMemberName | Λιαροκάπης, Δημήτριος | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.numberOfPages | 82 σ. | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Kepesidis, P._TMP_2022.pdf | 1.36 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
