Yazılım projeleri, çeşitli sektörlerdeki şirketlerin günlük operasyonlarında dahi günden güne stratejik önem kazanmaktadır. Artan ihtiyaçla birçok şirket gerek kendi bünyesinde, gerekse farklı sektörlerin ihtiyacına yönelik olarak projeler yaratarak yazılımlar geliştirmektedir. Yazılım projeleri için ihtiyaç duyulan işgücünü doğru tahmin etmek, proje maliyetlerini doğru tahmin etmek ve zamanında tamamlanmasını sağlamak için çok önemlidir. 1970'lerden bu yana, yazılım efor tahmini alanı, literatürde kapsamlı araştırmaların konusu olmuştur. Başlangıçta uzman görüşü gibi algoritmik olmayan yöntemler kullanılırken, sorunlar karmaşıklaştıkça, teknoloji ve donanım özellikleri çeşitlendikçe farklı çözüm yaklaşımlarına olan ihtiyaç da ortaya çıkmıştır. Bu zorlukların üstesinden gelmek için regresyon ve model tabanlı tahmin gibi algoritmik yöntemler geliştirilmiştir. Son yıllarda ise, özellikle son on yılda olmak üzere teknolojideki gelişmelerle birlikte, Makine Öğrenimi tabanlı modelleri ve Yapay Zekayı yazılım maliyet tahminine uygulamaya yönelik artan bir ilgi olmuştur. Bu çalışmanın odak noktası, yazılım projeleri bağlamında Makine Öğrenimi tabanlı tahmin yöntemlerini keşfetmektir. Amaç, bu yöntemlerin yazılım maliyet tahminini nasıl iyileştirebileceğini araştırarak, etkinliklerini analiz etmektir.
Software projects are gaining strategic importance day by day, even in the daily operations of companies in various sectors. With the increasing need, many companies develop software by creating projects both within their own structure and for the needs of different sectors. Accurately estimating the workforce needed for software projects is crucial to accurately estimating project costs and ensuring timely completion. Since the 1970s, the field of software effort estimation has been the subject of extensive research in the literature. While non-algorithmic methods such as expert opinion were used in the beginning, as the problems became more complex and technology and hardware features diversified, the need for different solution approaches emerged. To overcome these difficulties, algorithmic methods such as regression and model-based estimation have been developed. In recent years, however, with advances in technology, especially in the last decade, there has been an escalating interest in applying Machine Learning-based models and Artificial Intelligence to software cost estimation. The focus of this study is to explore Machine Learning based prediction methods in the context of software projects. The aim is to analyze their effectiveness by investigating how these methods can improve software cost estimation.
