Use este identificador para citar ou linkar para este item:
https://repositorio.pucsp.br/jspui/handle/handle/23323| Tipo: | Dissertação |
| Título: | Detecção de anomalias no funcionamento de software com Machine Learning |
| Autor(es): | Yanai, Flávio Kenji |
| Primeiro Orientador: | Gatti, Daniel Couto |
| Resumo: | O teste de software é muitas vezes é relegado a um segundo plano nas empresas de desenvolvimento de software, os motivos pelos quais isso acontece são os mais diversos. A qualidade do software fica evidentemente muito prejudicada com este comportamento. Estamos acompanhando na década de 2010 uma grande quantidade de aplicações que utilizam a dita Inteligência Artificial. O objetivo deste trabalho é verificar é se podemos e como podemos utilizar a Inteligência Artificial, mais especificamente a área de Machine Learning para auxiliar na detecção precoce de erros de software e melhor consequentemente a qualidade do software. O primeiro capítulo introduz as questões das pesquisas e suas justificativas. No segundo capítulo são apresentados conceitos básicos e o método que iremos utilizar para responder as questões dessa dissertação. O terceiro capítulo realiza um apronfundamento bibliográfico em testes de software. O quarto capítulo trata de Machine Learning. O quinto capítulo descreve como é possível utilizar a Machine Learning para a detecção de anomalias em software |
| Abstract: | The dissertation has no abstract |
| Palavras-chave: | Aprendizado do computador Software - Testes Inteligência artificial Detecção de anomalias em software Machine learning Computer software - Testing Artificial intelligence Deep learning |
| CNPq: | CNPQ::ENGENHARIAS |
| Idioma: | por |
| País: | Brasil |
| Editor: | Pontifícia Universidade Católica de São Paulo |
| Sigla da Instituição: | PUC-SP |
| metadata.dc.publisher.department: | Faculdade de Ciências Exatas e Tecnologia |
| metadata.dc.publisher.program: | Programa de Estudos Pós-Graduados em Tecnologias da Inteligência e Design Digital |
| Citação: | Yanai, Flávio Kenji. Detecção de anomalias no funcionamento de software com Machine Learning. 2020. 62 f. Dissertação (Mestrado em Tecnologias da Inteligência e Design Digital) - Programa de Estudos Pós-Graduados em Tecnologias da Inteligência e Design Digital, Pontifícia Universidade Católica de São Paulo, São Paulo, 2020. |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://tede2.pucsp.br/handle/handle/23323 |
| Data do documento: | 8-Set-2020 |
| Aparece nas coleções: | Programa de Pós-Graduação em Tecnologias da Inteligência e Design Digital |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Flávio Kenji Yanai.pdf | 13,03 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.