imported>Emitroshin: fixed typo

2017-10-02T15:25:40Z

fixed typo

Новая страница

{{Карточка_командного_проекта
|name=Классификация и предсказание пользовательских инцидентов
|company=Kaspersky Lab
|semester=Осень 2017
|course=3
|number_of_students=3
|categorize=yes
}}

=== Что это за проект? ===
===== Дано =====
Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.

===== Хочется =====
Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.
Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).
Классифицировать обращения по содержанию.

===== Зачем =====
Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.

===== Что ожидается на выходе =====
В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.

=== Чему научатся студенты? Что самое интересное в проекте? ===
Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.

=== Организация работы (Как студенты будут работать в команде?) ===
Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.

=== Компоненты (Из каких частей состоит проект?) ===

=== Какие будут использоваться технологии? ===
Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).

=== Какие начальные требования? ===
Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.

=== Темы вводных занятий ===
# Специфика задач отдела Business Quality Control
# Проекты компании, приоритетные направления для нас
# Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас

=== Критерии оценки ===
* 4-5: Классификация инцидентов consumer и b2b направлений
* 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях
* 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.

=== Похожие проекты ===
Whitepapers:
* A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.
* Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.
* Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.
* Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.

=== Контактная информация ===
evgeny.mitroshin@kaspersky.com

Классификация и предсказание пользовательских инцидентов (командный проект) - История изменений

imported>Emitroshin: fixed typo