머신러닝과 소프트웨어 개발에서의 가치 창출: 리뷰

📝 원문 정보

• Title: Machine Learning and value generation in Software Development: a survey
• ArXiv ID: 2001.08980
• 발행일: 2020-01-27
• 저자: Barakat. J. Akinsanya, Luiz J.P. Araujo, Mariia Charikova, Susanna Gimaeva, Alexandr Grichshenko, Adil Khan, Manuel Mazzara, Ozioma Okonicha N and Daniil Shilintsev

📝 초록 (Abstract)

머신러닝(ML)은 데이터를 예측하고 분류하는 데 널리 사용되는 도구로, 소프트웨어 개발(SD)을 포함한 여러 문제 영역에서 활용되고 있습니다. 이 논문은 2000년부터 2019년까지의 문헌을 리뷰하여 프로그래밍 노력 예측, 위험 예측 및 결함 식별과 검출에 사용된 학습 모델들을 조사하였습니다. 이 작업은 ML을 소프트웨어 개발 도구상자에 추가하려는 실무자를 위한 시작점으로 제공되며, 최근 문헌을 분류하고 경향과 한계를 식별합니다. 본 연구 결과는 SD의 산업적 응용이 보고된 결과만큼 널리 퍼지지는 않았다는 일부 저자들의 동의를 받았습니다. 수행된 조사에 따르면, 다양한 SD 작업에 대한 약속을 지키긴 하지만 대부분의 연구에서 모호한 결과가 나왔으며 이는 해당 문제 영역에서 포괄적인 데이터셋 부족 때문인 것으로 나타났습니다. 논문은 결론적 고찰과 향후 연구 제안으로 마무리됩니다.

💡 논문 핵심 해설 (Deep Analysis)

This paper surveys the literature from 2000 to 2019 on how machine learning (ML) is used in software development, particularly focusing on effort estimation, risk prediction, and defect detection. The study examines various ML models such as parametric models like COCOMO and SLIM, case-based reasoning (CBR), decision trees (DT), artificial neural networks (ANNs), and genetic algorithms. The paper highlights that while ML models have shown promising results for a variety of software development tasks, industrial applications have not been as widespread due to the lack of comprehensive datasets. Despite these challenges, ML has proven effective in providing better effort estimation and risk prediction compared to traditional methods.

📄 논문 본문 발췌 (Translation)

Reference