Andere Kunden interessierten sich auch für
![Melhorar a Fiabilidade dos Modelos de Predição de Defeitos]( "Melhorar a Fiabilidade dos Modelos de Predição de Defeitos")
Melhorar a Fiabilidade dos Modelos de Predição de Defeitos57,99 €![Verbesserung der Zuverlässigkeit von Defektvorhersagemodellen]( "Verbesserung der Zuverlässigkeit von Defektvorhersagemodellen")
Verbesserung der Zuverlässigkeit von Defektvorhersagemodellen87,90 €![Improving Reliability of Defect Prediction Models]( "Improving Reliability of Defect Prediction Models")
Improving Reliability of Defect Prediction Models57,99 €![Migliorare l'affidabilità dei modelli di previsione dei difetti]( "Migliorare l'affidabilità dei modelli di previsione dei difetti")
Migliorare l'affidabilità dei modelli di previsione dei difetti57,99 €![Powyshenie nadezhnosti modelej prognozirowaniq defektow]( "Powyshenie nadezhnosti modelej prognozirowaniq defektow")
Powyshenie nadezhnosti modelej prognozirowaniq defektow19,99 €![Prédiction des épidémies de COVID-19 à l'aide de modèles d'apprentissage supervisé]( "Prédiction des épidémies de COVID-19 à l'aide de modèles d'apprentissage supervisé")
Prédiction des épidémies de COVID-19 à l'aide de modèles d'apprentissage supervisé26,99 €![Prédiction de modèles à plusieurs niveaux pour des données financières non structurées]( "Prédiction de modèles à plusieurs niveaux pour des données financières non structurées")
Prédiction de modèles à plusieurs niveaux pour des données financières non structurées40,99 €
Le développement de logiciels sans erreur est l'un des principaux objectifs des développeurs de logiciels. Cependant, atteindre cet objectif n'est pas une tâche triviale. Cela devient encore plus difficile pour les organisations de développement disposant de ressources minimales. Les développeurs utilisent souvent des modèles de prédiction automatique des défauts, qui sont le plus souvent développés à l'aide d'algorithmes d'apprentissage automatique, pour localiser les défauts dans les logiciels. La qualité des prédictions de ces modèles est importante car des prédictions erronées peuvent avoir un impact négatif sur les organisations de développement ainsi que sur les utilisateurs finaux. Ce livre explore les problèmes possibles dans les modèles de prédiction existants et propose des méthodes pour améliorer la qualité de prédiction de ces modèles.