polito.it
Politecnico di Torino (logo)

STIMA DEGLI STORY POINTS DEI PROGETTI IT ATTRAVERSO L’UTILIZZO DEL MACHINE LEARNING = ESTIMATION OF THE STORY POINTS OF THE IT PROJECTS USING MACHINE LEARNING

Francesco Davi

STIMA DEGLI STORY POINTS DEI PROGETTI IT ATTRAVERSO L’UTILIZZO DEL MACHINE LEARNING = ESTIMATION OF THE STORY POINTS OF THE IT PROJECTS USING MACHINE LEARNING.

Rel. Giulio Mangano. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2022

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

Il presente lavoro di tesi nasce durante l’esperienza lavorativa svolta all’interno di una società internazionale di consulenza specializzata in innovazione tecnologica e dei processi. Nel dettaglio, l’esperienza si è svolta all’interno dell’ambito del project management all’interno del team che si occupa della fornitura di servizi IT per un grande istituto bancario. Il fine con tale elaborato è quello di provare ad ottenere un’ottimizzazione dei processi aziendali dedicati alla gestione dei progetti. L’idea nasce dalla volontà da parte della società di migliorare il processo di stima dei tempi e dei costi delle attività progettuali in modo da definire con un livello di dettaglio elevato il peso di una commessa nell’ambito IT. La prima parte dell’elaborato consisterà in una digressione dottrinale sul machine learning e dei suoi modelli. Si cercherà di fornire una panoramica generale per comprenderne caratteristiche, funzionalità e ambiti in cui può essere utilizzato. Proseguendo, sarà analizzato l’argomento core della tesi. Per raggiungere l’obiettivo primo vi sarà una prima parte dedita all’individuazione delle variabili di principale interesse derivabili da database di storici progetti IT, e l’analisi delle possibili relazioni tra esse. Il proposito è quello di individuare il modello più adeguato all’interpretazione dei vari fattori così da produrre una previsione accurata dei tempi e dei costi.

Relatori: Giulio Mangano
Anno accademico: 2022/23
Tipo di pubblicazione: Elettronica
Numero di pagine: 49
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-31 - INGEGNERIA GESTIONALE
Aziende collaboratrici: ALTEN ITALIA SPA
URI: http://webthesis.biblio.polito.it/id/eprint/25353
Modifica (riservato agli operatori) Modifica (riservato agli operatori)