Перегляд за Автор "Latanska L. O."
Зараз показуємо 1 - 4 з 4
Результатів на сторінці
Налаштування сортування
Документ Математичне моделювання в задачах оцінювання розміру прикладного програмного забезпечення з відкритим кодом на C#(2022) Латанська Л. О.; Макарова Л. М.; Нікітіна О. Ю.; Нікітін О. В.; Latanska L. O.; Makarova L. M.; Nikitina O. Y.; Nikitin O. V.Оцінювання розміру програмного забезпечення, зокрема прикладного з відкритим кодом на C#, на сьогодні є дуже важливою частиною в процесі розробки подібних проєктів. Знаючи розмір прикладного програмного забезпечення на ранніх етапах розробки та використовуючи такі моделі, як COCOMO, COCOMO II, або методи та моделі алгоритмічного моделювання чи інші, які виконують розрахунки на основі кількісних значень розміру прикладного програмного забезпечення, можна розрахувати трудовитрати та вартість проєкту та передбачити ризики, пов’язані з розробкою. У цій роботі виконано аналіз наявних регресійних рівнянь для оцінювання розміру прикладного програмного забезпечення з використанням різних мов програмування, який показав необхідність побудови нелінійного регресійного рівняння для оцінювання розміру прикладного програмного забезпечення з відкритим кодом на C# із застосуванням універсального одновимірного нормалізуючого перетворення сім’ї SB Джонсона, що дало можливість побудувати нелінійне регресійне рівняння досить високої якості (R2 = 0,974, MMRE = 0,198, PRED(0,25) = 0,778), та яке має кращі показники порівняно з лінійним регресійним рівнянням без застосування нормалізуючих перетворень для емпіричних даних (R2 = 0,887, MMRE = 1,028, PRED(0,25) = 0,361), а також порівняно з нелінійним регресійним рівнянням з використанням натурального логарифму як нормалізуючого перетворення (R2 = 0,819, MMRE = 0,222, PRED(0,25) = 0,694). Крім цього, використання універсального одновимірного нормалізуючого перетворення Джонсона сім’ї SB дало змогу побудувати більш вузькі довірчий інтервал та інтервал передбачення для нелінійного регресійного рівняння порівняно з інтервалами, які були побудовані з використанням натурального логарифму як нормалізуючого перетворення. У результаті розроблено програмний додаток для оцінювання розміру прикладного програмного забезпечення з відкритим кодом на C# з використанням нелінійного регресійного рівняння на основі універсального одновимірного нормалізуючого перетворення сім’ї SB Джонсона, який автоматизує процес розрахунку та спрощує застосування побудованого нелінійного регресійного рівняння, що дало змогу значно скоротити час проведення відповідних розрахунків та зменшити кількість розрахункових помилок.Документ Математичні моделі для оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin(2022) Макарова Л. М.; Латанська Л. О.; Нікітін О. В.; Нікітіна О. Ю.; Makarova L. M.; Latanska L. O.; Nikitin O. V.; Nikitina O. Yu.У статті розглянута важливість оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin. Також розглянута актуальність застосовування цієї платформи у сфері розробки програмного забезпечення для мобільних пристроїв в наш час стрімкого розвитку мобільних технологій. Розглянуті останні дослідження та публікації, в яких було знайдено однофакторні та багатофакторні регресійні моделі оцінювання розміру програмного забезпечення для різних мов програмування. Оскільки моделі для оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin не було знайдено, було прийнято рішення про удосконалення такої моделі. У статті розглянуто удосконалення однофакторної нелінійної регресійної моделі для оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin за рахунок використання одновимірного нормалізуючого перетворення сім’ї SB Джонсона, що дозволило підвищити достовірність оцінювання розміру відповідного програмного забезпечення. Проведено порівняння отриманих результатів із нелінійною регресійною моделлю, яка побудована з використанням нормалізуючого перетворення за допомогою десяткового логарифму, та лінійною регресійною моделлю без нормалізації даних (в припущенні про нормальність розподілу). Удосконалена регресійна модель має гарні показники якості (R2 = 0,940, MMRE = 0,201, PRED (0,25) = 0,727) та може бути застосована для оцінювання розміру програмного забезпечення, що надалі можна використати в інших математичних моделях для оцінювання вартості та трудовитрат програмного забезпечення в процесі управління проектами. Також було розроблено програмне забезпечення з використанням нелінійної регресійної моделі для оцінювання розміру програмного забезпечення для крос-платформної розробки мобільних застосунків із використанням платформи Xamarin, що дозволило автоматизувати відповідні розрахунки та скоротити їх час.Документ Нелінійна регресійна модель для оцінювання тривалості виконання робіт з розробки програмного забезпечення з використанням методології Agile(2021) Макарова Л. М.; Латанська Л. О.; Пухалевич А. В.; Приходько К. С.; Makarova L. M.; Latanska L. O.; Pukhalevych A. V.; Prykhodko K. S.У роботі побудовано однофакторну нелінійну регресійну модель для оцінювання тривалості виконання робіт із розробки програмного забезпечення з використанням методології Agile шляхом застосування одновимірного нормалізуючого перетворення Джонсона сім`ї SB, що дозволило підвищити достовірність оцінювання тривалості виконання робіт у порівнянні з існуючими моделями. Використання нормалізуючого перетворення Джонсона сім`ї SB дозволило зменшити довірчий інтервал та інтервал прогнозування нелінійного рівняння регресії в порівнянні з одновимірним нормалізуючим перетворенням на основі десяткового логарифму та лінійною моделлю. Проблема достовірного оцінювання необхідних трудових витрат на розробку є однією з ключових проблем при управлінні проектами розробки програмного забезпечення. У статті розглянуті питання оцінювання тривалості виконання робіт із розробки програмного забезпечення з використанням гнучкої методології розробки Agile, яка останнім часом отримує все більшу популярність у розробників та має певні особливості, унаслідок чого важко отримати в достатньому обсязі необхідну інформацію для оцінювання тривалості розробки та використовувати найбільш поширені методи для оцінювання тривалості проектів із розробки програмного забезпечення. Гарні результати, які дає застосування нелінійних регресійних моделей з використанням методу нормалізуючих перетворень для рішення задач оцінювання тривалості та трудомісткості програмних проектів, дозволило застосувати зазначений підхід для побудови нелінійної регресійної моделі для оцінювання тривалості виконання робіт із розробки програмного забезпечення з використанням методології Agile. Також було розроблено програмне забезпечення для прогнозування часу виконання робіт на основі побудованої нелінійної регресійної моделі, що дозволило скоротити час проведення відповідних розрахунків.Документ Порівняльний аналіз нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використання Django Rest Framework(2023) Макарова Л. М.; Латанська Л. О.; Makarova L. M.; Latanska L. O.Визначення розміру програмного забезпечення на ранніх стадіях роботи над проектом є поширеною задачею в галузі інженерії програмного забезпечення. Використовуючи такі існуючі моделі як, наприклад, COCOMO, COCOMO II, ISBSG, COSMIC та отриманий розмір можна прогнозувати трудомісткість, вартість, тривалість проекту. Значну частину розроблюваних проектів становлять веб-застосунки. Однією з найбільш популярних мов веб-розробок є мова Python. Для неї існує ряд фреймворків, найбільш повним та розповсюдженим з яких є Django Rest Framework. Метою дослідження є визначення найбільш якісної та достовірної нелінійної регресійної моделі для прогнозування розміру веб-застосунків, що створюються мовою Python з використанням Django Rest Framework. Для отримання нелінійних регресійних моделей та інтервалів прогнозування застосовано методику побудови нелінійних регресійних моделей на основі одновимірного нормалізуючого перетворення. Для задачі аналізу побудовано дві нелінійні регресійні моделі разом з інтервалами прогнозування з використанням десяткового логарифму у якості нормалізуючого перетворення. В якості предикторів розглядались такі метрики, як: кількість класів та кількість методів. Для однофакторної моделі предиктором слугувала кількість класів, для двофакторної – кількість класів та кількість методів у проекті. Також в роботі для порівняння була використана однофакторна нелінійна регресійна модель, побудована для веб-застосунків, які розроблені з використанням мови Java. Отримані результати дозволяють зробити наступні висновки. При збільшення кількості предикторів, що використовувалися для побудови нелінійних регресійних моделей для прогнозування розміру веб-застосунків, що створюються мовою Python з використанням Django Rest Framework, зросла якість моделі, а саме покращилися значення критеріїв якості та зменшилася ширина інтервалу прогнозування. При спробі застосувати нелінійну регресійну модель, побудовану для веб-застосунків, які розроблені з використанням мови Java, до емпіричних даних із даного дослідження, отримано низькі показники якості та більшу ширину інтервалу прогнозування. Це може слугувати підтвердженням необхідності побудови регресійних моделей для конкретної мови програмування та фреймворку.