Details
Title | Применение машинного обучения для прогнозирования трудозатрат на ИT-проекты: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_03 «Машинное обучение в управлении бизнесом» |
---|---|
Creators | Преснакова Янина Витальевна |
Scientific adviser | Никоноров Валентин Михайлович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли |
Imprint | Санкт-Петербург, 2025 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | машинное обучение ; градиентный бустинг ; случайный лес ; прогнозирование ; оценка трудозатрат ; machine learning ; gradient boosting ; random forest ; prediction ; labour estimation |
Document type | Master graduation qualification work |
File type | |
Language | Russian |
Level of education | Master |
Speciality code (FGOS) | 09.04.04 |
Speciality group (FGOS) | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/3/2025/vr/vr25-2017 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Additionally | New arrival |
Record key | ru\spstu\vkr\35334 |
Record create date | 7/10/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
Цель исследования: анализ применимости технологии машинного обучения для прогнозирования трудозатрат на IT-проекты, направленного на автоматизацию процесса подготовки проектно-сметной документации и повышения качества предварительной оценки ресурсов. Исследование проводилось на примере компании, оказывающей услуги по разработке цифровых продуктов. Исследование затрагивало деятельность отдела бизнес-аналитики, занимающегося подготовкой проектно-сметной документации. Предмет ВКР: методы и алгоритмы машинного обучения, использующиеся для построения моделей, предсказывающих трудозатраты в рамках проектной деятельности IT-компании. Методы исследования: качественный сравнительный анализ, проектирование архитектуры системы с использованием нотации UML, проектирование взаимодействия компонентов системы с использованием нотации UML, методы анализа и предобработки данных, методы отбора признаков, методы машинного обучения, расчет экономической эффективности с применением срока окупаемости и нормы прибыльности. Результаты исследования: проведён анализ процесса подготовки проектно-сметной документации в компании, выявлены проблемы процесса и предполагаемые последствия. На базе выявленных проблем сформировано решение, заключающееся в автоматизации процесса оценки трудозатрат на IT-проекты. Собран датасет, содержащий общие сведения о завершённые проектах внутри компании, реализованы две модели машинного обучения, оценено их качество. Разработан веб-прототип для взаимодействия с моделью, показавшей наилучшие результаты прогнозирования. Оценен экономический эффект от внедрения решения, а также сформированы перспективы дальнейшего развития проекта. Область применения результатов ВКР: компании, оказывающие услуги по разработке цифровых продуктов, и использующих аналогичную модель процесса продажи. Научная новизна: особенностью IT-проектов является сложность оценки трудозатрат. Применение разработанной системы прогнозирования существенно повышает точность оценки. Разработанная системы прогнозирования является универсальной, поскольку может применяться для оценивания трудозатрат на всех этапах IT-проекта. Выводы: задачи ВКР выполнены: проанализирован объект исследования, обоснована необходимость использования технологии машинного обучения, разработан прототип системы прогнозирования, оценено качество работы модели, оценен экономический эффект от внедрения, сформированы перспективы развития проекта; цель ВКР выполнена: проанализирована применимость использования технологии машинного обучения для прогнозирования трудозатрат на IT-проекты. Практическая значимость: сервис рекомендован к внедрению в IT-компанию с учётом ручной валидации результатов прогнозирования.
Research objective: analysis of the applicability of machine learning technology for predicting labour costs for IT projects, aimed at automating the process of preparing design and estimate documentation and improving the quality of preliminary resource estimation. The study was conducted on the example of a company providing services in the development of digital products. The study involved the activities of the business analytics department engaged in the preparation of design and estimate documentation. Subject of the thesis: methods and algorithms of machine learning used to build models predicting labour costs within the project activities of an IT company. Research methods: qualitative comparative analysis, system architecture design using UML notation, system components interaction design using UML notation, data analysis and preprocessing methods, feature selection methods, machine learning methods, calculation of economic efficiency using payback period and profitability rate. Key research results: the process of preparation of design and estimate documentation in the company was analysed, the process problems and expected consequences were identified. Based on the identified problems, a solution was formed to automate the process of estimating labour costs for IT projects. A dataset containing general information about completed projects within the company was collected, two machine learning models were implemented, a web prototype was developed to interact with the model that showed the best prediction results. The economic effect of the solution implementation was evaluated, and the prospects for further development of the project were formed. Application area: digital product development services companies that use a similar sales process model. Scientific novelty: the peculiarity of IT projects is the complexity of labour cost estimation. The application of the developed forecasting system significantly increases the estimation accuracy. The developed forecasting system is universal, as it can be used to estimate labour costs at all stages of an IT project. Conclusions: tasks of the project are fulfilled: the object of research is analysed, the necessity of using machine learning technology is justified, the prototype of the forecasting system is developed, the quality of the models work is evaluated, the economic effect of implementation is estimated, the prospects of the project development are formed; the goal of the project is fulfilled: the applicability of using machine learning technology for forecasting labour costs for IT-projects is analysed. Practical relevance: the service is recommended for implementation in an IT-company taking into account manual validation of forecasting results.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
- ВВЕДЕНИЕ
- 1. ОПИСАНИЕ ОБЪЕКТА ИССЛЕДОВАНИЯ И ОБОСНОВАНИЕ НЕОБХОДИМОСТИ РЕШЕНИЯ ЗАДАЧ С ПРИМЕНЕНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
- 1.1. Анализ объекта исследования
- 1.2. Обзор методов машинного обучения для прогнозирования трудозатрат на IT-проекты
- 1.3. Выбор метода машинного обучения и обоснование необходимости его использования
- 2. РЕАЛИЗАЦИЯ ПРОТОТИПА СИСТЕМЫ ПРОГНОЗИРОВАНИЯ
- 2.1. Выбор технологии и инструментов разработки
- 2.2. Архитектура системы
- 2.3. Подготовка датасета
- 2.4. Реализация алгоритмов (методов) машинного обучения
- 2.5. Реализация пользовательского интерфейса
- 3. ОЦЕНКА РЕЗУЛЬТАТОВ РАЗРАБОТКИ
- 3.1. Оценка качества работы моделей
- 3.2. Оценка результатов разработки системы прогнозирования
- 3.2.1. Обеспечение содержания проектных операций
- 3.2.2. Определение сроков и стоимости реализации
- 3.2.3. Экономическое обоснование эффективности решения
- 3.2.4. Потенциальные риски и способы их минимизации
- 3.3. Перспективы дальнейшего развития проекта
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- СВЕДЕНИЯ ОБ УЧАСТИИ АВТОРА В НАУЧНОЙ РАБОТЕ
Access count: 0
Last 30 days: 0