La conception d'un système logiciel intelligent pour la prédiction des défauts logiciels (SDP) est un défi important dans le domaine de l'ingénierie logicielle en utilisant des algorithmes d'apprentissage automatique, car les problèmes de déséquilibre de classe causent des difficultés pour la classification des modules défectueux et non défectueux. L'apprentissage déséquilibré traite ce problème et est également utilisé par les chercheurs, mais malheureusement avec des résultats incohérents. Pour cela, nous avons mené une expérience complète pour concevoir un système logiciel intelligent en utilisant l'effet de l'apprentissage déséquilibré sur les métriques de l'ensemble de données déséquilibrées, le type de classificateur, les métriques d'entrée et la méthode d'apprentissage déséquilibré. La principale exigence dans la conception d'un système logiciel intelligent pour la prédiction des défauts logiciels utilise généralement des méthodes et des cadres qui permettent aux ingénieurs logiciels de se concentrer sur les activités de développement en termes de code sujet aux défauts, améliorant ainsi la qualité des logiciels et faisant un meilleur usage des ressources. De nombreux ensembles de données, méthodes et cadres de prédiction des défauts logiciels sont complexes, ce qui fait qu'il manque une image complète de la recherche sur la prédiction des défauts dans la phase de développement.

Dr. MANU BANGA, Ph.D. CSE has 18 papers in SCI Journals and guides Ph.D.students in the areas of Artificial Intelligence and Machine Learning. His major areas of specialization in design of Intelligent Information Systems.