REPOSITORIO PUCSP Teses e Dissertações dos Programas de Pós-Graduação da PUC-SP Programa de Pós-Graduação em Tecnologias da Inteligência e Design Digital
Use este identificador para citar ou linkar para este item: https://repositorio.pucsp.br/jspui/handle/handle/23323
Registro completo de metadados
Campo DCValorIdioma
dc.creatorYanai, Flávio Kenji-
dc.creator.Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4760415J0por
dc.contributor.advisor1Gatti, Daniel Couto-
dc.date.accessioned2020-11-09T12:17:01Z-
dc.date.issued2020-09-08-
dc.identifier.citationYanai, 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.por
dc.identifier.urihttps://tede2.pucsp.br/handle/handle/23323-
dc.description.resumoO 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 softwarepor
dc.description.abstractThe dissertation has no abstracteng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.formatapplication/pdf*
dc.thumbnail.urlhttp://tede2.pucsp.br/tede/retrieve/52655/Fl%c3%a1vio%20Kenji%20Yanai.pdf.jpg*
dc.languageporpor
dc.publisherPontifícia Universidade Católica de São Paulopor
dc.publisher.departmentFaculdade de Ciências Exatas e Tecnologiapor
dc.publisher.countryBrasilpor
dc.publisher.initialsPUC-SPpor
dc.publisher.programPrograma de Estudos Pós-Graduados em Tecnologias da Inteligência e Design Digitalpor
dc.rightsAcesso Abertopor
dc.subjectAprendizado do computadorpor
dc.subjectSoftware - Testespor
dc.subjectInteligência artificialpor
dc.subjectDetecção de anomalias em softwareeng
dc.subjectMachine learningeng
dc.subjectComputer software - Testingeng
dc.subjectArtificial intelligenceeng
dc.subjectDeep learningeng
dc.subject.cnpqCNPQ::ENGENHARIASpor
dc.titleDetecção de anomalias no funcionamento de software com Machine Learningpor
dc.typeDissertaçãopor
Aparece nas coleções:Programa de Pós-Graduação em Tecnologias da Inteligência e Design Digital

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Flávio Kenji Yanai.pdf13,03 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.