@MASTERSTHESIS{ 2020:1296513053,
 	title = {Aplicando Aprendizado de Máquina para Estimativa de Esforço no Desenvolvimento de Software.},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3289",
 	abstract = "Estimativas em projetos de software visam auxiliar profissionais na previsão de valores mais
 adequados para o desenvolvimento do sistema, impactando na qualidade do planejamento
 e execução das atividades do processo. Todavia, as organizações de software possuem
 dificuldades em realizar estimativas que representem uma aproximação mais adequada
 do esforço necessário para execução das atividades do projeto de software. Apesar da
 literatura apresentar técnicas para estimar o esforço, esta atividade continua não sendo
 trivial. Nos últimos anos, técnicas baseadas em algoritmos de Aprendizado de Máquina
 (AM) têm recebido destaque para auxiliar na resolução deste problema. Através de
 técnicas de AM, pode-se utilizar bases de dados de projetos já executados (datasets) para
 auxiliar em estimativas mais precisas. Entretanto, as estimativas geradas pelas técnicas de
 AM dependem do dataset que são aplicadas. Esta pesquisa tem objetivo de apresentar
 uma metodologia de estimativa de esforço usando algoritmo de aprendizado de máquina
 automatizado para ser capaz de generalizar as estimativas para diversos datasets. Para
 avaliar a metodologia proposta, foram conduzidos testes com 10 datasets e quatro métricas:
 Mean Absolute Error, Median Magnitude Relative Error, Mean Magnitude Relative Error
 e Percentage Relative Error Deviation. Os resultados demonstram que a metodologia
 proposta é consistente para estimativa de esforço em relação às métricas analisadas,
 indicando que a metodologia é promissora e consegue generalizar os resultados para
 múltiplos datasets.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}