Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14616| Tipo de material: | masterThesis |
| Título : | Classification of Software Bugs Using Supervised Learning Models. |
| Autor : | Narváez Salazar, Jack Ricardo |
| Director de Tesis : | Pineda, Israel, dir. |
| Descriptores : | Software - Mantenimiento y reparación - Tesis y disertaciones académicas. |
| Fecha de publicación : | 1-dic-2024 |
| Editorial : | Quito |
| Citación : | Tesis (Magíster en Ciencia de Datos), Universidad San Francisco de Quito, Colegio de Posgrados; Quito, Ecuador, 2024. |
| Páginas : | 19 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | 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... |
| Descripción : | 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... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/14616 |
| 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
