خرید و دانلود ترجمه فارسی مقاله استفاده از مدل های زبان بزرگ برای پیش بینی هزینه و مدت زمان در پروژه های مهندسی نرم افزار

چکیده

Accurate estimation of project costs and durations remains a pivotal challenge in software engineering, directly impacting budgeting and resource management. Traditional estimation techniques, although widely utilized, often fall short due to their complexity and the dynamic nature of software development projects. This study introduces an innovative approach using Large Language Models (LLMs) to enhance the accuracy and usability of project cost predictions. We explore the efficacy of LLMs against traditional methods and contemporary machine learning techniques, focusing on their potential to simplify the estimation process and provide higher accuracy. Our research is structured around critical inquiries into whether LLMs can outperform existing models, the ease of their integration into current practices, outperform traditional estimation, and why traditional methods still prevail in industry settings. By applying LLMs to a range of real-world datasets and comparing their performance to both state-of-the-art and conventional methods, this study aims to demonstrate that LLMs not only yield more accurate estimates but also offer a user-friendly alternative to complex predictive models, potentially transforming project management strategies within the software industry.

چکیده به فارسی (ترجمه ماشینی)

تخمین دقیق از هزینه ها و مدت زمان پروژه همچنان یک چالش مهم در مهندسی نرم افزار است و به طور مستقیم بر بودجه ریزی و مدیریت منابع تأثیر می گذارد.تکنیک های تخمین سنتی ، اگرچه به طور گسترده مورد استفاده قرار می گیرند ، اما به دلیل پیچیدگی و ماهیت پویا پروژه های توسعه نرم افزار ، اغلب کوتاه می شوند.این مطالعه یک رویکرد نوآورانه با استفاده از مدلهای بزرگ زبان (LLM) برای افزایش دقت و قابلیت استفاده پیش بینی هزینه پروژه ارائه می دهد.ما اثربخشی LLM ها را در برابر روشهای سنتی و تکنیک های یادگیری ماشین معاصر بررسی می کنیم ، با تمرکز بر پتانسیل آنها برای ساده کردن فرایند تخمین و ارائه دقت بالاتری.تحقیقات ما در مورد سوالات مهم در مورد اینکه آیا LLMS می تواند از مدل های موجود بهتر عمل کند ، سهولت ادغام آنها در شیوه های فعلی ، تخمین سنتی بهتر و اینکه چرا روشهای سنتی هنوز در تنظیمات صنعت غالب هستند ، ساخته شده است.این مطالعه با استفاده از LLMS در طیف وسیعی از مجموعه داده های دنیای واقعی و مقایسه عملکرد آنها با هر دو روش پیشرفته و متعارف ، این مطالعه نشان می دهد که LLM ها نه تنها تخمین های دقیق تری ارائه می دهند بلکه یک جایگزین کاربر پسند نیز ارائه می دهندمدل های پیش بینی پیچیده ، به طور بالقوه استراتژی های مدیریت پروژه در صنعت نرم افزار.