Andmebaasi logo
Valdkonnad ja kollektsioonid
Kogu ADA
Eesti
English
Deutsch
  1. Esileht
  2. Sirvi autori järgi

Sirvi Autor "Danelson, Priit" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 2 2
  • Tulemused lehekülje kohta
  • Sorteerimisvalikud
  • Laen...
    Pisipilt
    listelement.badge.dso-type Kirje ,
    Juhtumiuuring: SaleMove'i automatiseeritud vastuvõtutestimise infrastruktuuri optimeerimine
    (2017) Danelson, Priit; Dietmar Pfahl; Carlos Paniagua
    SaleMove on ettevõte, mis pakub tarkvara kui teenust. Kuna SaleMove asetab suurt rõhku oma tarkvara kvaliteedi tagamisele, on ettevõte huvitatud oma tarkvaraarenduse protsessi pidevast täiustamisest. Üks oluline osa selles tarkvaraarenduse protsessis on automatiseeritud vastuvõtutestide käitamine. Käesolev magistritöö optimeeribki selle tarkvaraarenduse protsessi olulise osaga seotud infrastruktuuri, eesmärgiga vähendada infrastruktuuriga seotud riistvaralisi kulutusi, vähendada viivitust vastuvõtutestide tagasiside saamisel ja suurendada infrastruktuuri paindlikkust kasvava arvu vastuvõtutestidega toime tulemise osas.Nende eesmärkide saavutamiseks analüüsitakse kõigepealt esialgse infrastruktuuri puudusi, mille järel pakutakse välja mitmeid täiendusi. Et vältida negatiivseid mõjusid ettevõtte igapäevatööle, katsetatakse neid täiendusi esialgu eksperimentaalsel koopial SaleMove’i tõelisest automatiseeritud vastuvõtutestimise infrastruktuurist. Peale esialgset mõjude hindamist, võetakse täiendused kasutusele ka SaleMove’i tõelises automatiseeritud vastuvõtutestimise infrastruktuuris ning tehakse tähelepanekuid nende täienduste mõju kohta praktilises kasutuses.
  • Laen...
    Pisipilt
    listelement.badge.dso-type Kirje ,
    Klasteranalüüsi meetodite uurimine visuaalsete andmete abil
    (2015) Danelson, Priit; Vilo, Jaak
    Klasteranalüüs on laia kasutusvaldkonnaga andmeanalüüsi tehnika, mille rakendamiseks on olemas mitu erinevat algoritmi. Käesoleva töö eesmärk on anda ülevaade kolme levinuma klasteranalüüsi meetodi tööpõhimõtetest ja eripäradest, rakendades hierarhilise klasterda-mise, k-keskmiste klasterdamise ja Kohoneni võrgu algoritme näidisandmestiku peal. Li-saks algoritmide tööpõhimõtetele on kirjeldatud ka põhjus, miks näidisandmestikuks on valitud visuaalsed andmed ehk pildid ning kuidas on implementeeritud klasteranalüüsi meetodite rakendamiseks kasutatav skript. Töö sisaldab ka skripti rakendamisel saadud klasterduste analüüsi.

DSpace tarkvara autoriõigus © 2002-2025 LYRASIS

  • Teavituste seaded
  • Saada tagasisidet