Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14616Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Pineda, Israel, dir. | - |
| dc.contributor.author | Narváez Salazar, Jack Ricardo | - |
| dc.date.accessioned | 2025-10-01T22:03:50Z | - |
| dc.date.available | 2025-10-01T22:03:50Z | - |
| dc.date.issued | 2024-12-01 | - |
| dc.identifier.citation | Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024. | es_ES |
| dc.identifier.uri | http://repositorio.usfq.edu.ec/handle/23000/14616 | - |
| dc.description | This work addresses the challenge of automatic bug classification in software using advanced supervised learning techniques. The primary motivation lies in the need to improve error detection and classification to optimize software development and maintenance processes. Public GitHub repositories were used as data sources, analyzing commits with tools like Radon and Flake8 to extract key code features, such as complexity and line count... | es_ES |
| dc.description.abstract | El presente trabajo aborda la problemática de la clasificación automática de errores en software mediante el uso de técnicas avanzadas de aprendizaje supervisado. La motivación principal radica en la necesidad de mejorar la detección y clasificación de errores para optimizar los procesos de desarrollo y mantenimiento de software... | es_ES |
| dc.format.extent | 19 h. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quito | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
| dc.subject | Software - Mantenimiento y reparación - Tesis y disertaciones académicas. | es_ES |
| dc.subject.other | Ciencias | es_ES |
| dc.subject.other | Computación | es_ES |
| dc.title | Classification of Software Bugs Using Supervised Learning Models. | es_ES |
| dc.type | masterThesis | es_ES |
| Aparece en las colecciones: | Tesis - Maestría en Ciencia de Datos | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 338780.pdf | Texto completo | 2.67 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
