| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Uporaba metod strojnega učenja za klasifikacijo nalog po prioritetah v IT projektih
Avtorji:ID Unuchak, Tatyana (Avtor)
ID Kljajić Borštnar, Mirjana (Avtor)
ID Unuchak, Yauhen (Avtor)
Datoteke:URL https://uporabna-informatika.si/ui/article/view/240/206
 
.pdf 620+(Unuchak).pdf (2,25 MB)
MD5: EFB852B9482EB79ED8DCE4562521AD25
 
Jezik:Angleški jezik
Vrsta gradiva:Znanstveno delo
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FOV - Fakulteta za organizacijske vede
Opis:Določanje prioritet in razvrščanje nalog še vedno predstavlja izziv pri učinkovitem vodenju projektov. Obstaja veliko klasičnih pristopov za določanje prioritet. Vendar so te tehnike delovno intenzivne, subjektivne in neprilagodljive. V prispevku obravnavamo pristope za samodejno določanje prioritet nalog v IT projektih, ki temeljijo na strojnem učenju. Raziskujemo, kako lahko z uporabo metod strojnega učenja pomagamo projektnim vodjem pri učinkovitejšem razvrščanju nalog v IT projektih. V ta namen smo na množici več kot 1000000 zapisov projektnih nalog razvili klasifikacijski model za samodejno določanje prioritet. Problem, ki smo ga obravnavali, je večrazredni, pri tem je večina primerov, označenih z najvišjo prioriteto, kar predstavlja izziv pri modeliranju kot tudi pri učinkovitosti upravljanja IT projektov. Preskusili smo različne algoritme ter različne pristope, s ciljem izboljšanja rezultatov klasifikacije. Pokazali smo, da je naloge smiselno razvrstiti v manjše skupine prioritet, kar prispeva k večji natančnosti klasifikacijskega modela in preglednosti prioritet nalog, slednje pa lahko olajša upravljanje IT projektov.
Ključne besede:IT project management, machine learning, task prioritization, multiclass classification, data imbalance
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Datum objave:09.01.2025
Leto izida:2025
Št. strani:str. 3-17
Številčenje:Letn. 33, št. 1
PID:20.500.12556/DKUM-94839 Novo okno
UDK:004.8
COBISS.SI-ID:238610691 Novo okno
DOI:10.31449/upinf.240 Novo okno
ISSN pri članku:1318-1882
Datum objave v DKUM:28.08.2025
Število ogledov:137
Število prenosov:11
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Uporabna informatika
Skrajšan naslov:Uporab. inform.
Založnik:Slovensko društvo Informatika
ISSN:1318-1882
COBISS.SI-ID:36338688 Novo okno

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Naslov:Using machine learning methods to classify tasks by priority in ITprojects
Opis:Prioritizing and classifying tasks remain a challenge in effective project management. There are many classic approaches to prioritization. However, all these techniques are labour intensive, subjective and lack flexibility. In this paper we investigate machine learning based approaches for automatic prioritization of tasks in IT projects. We explore how machine learning methods can be used to help project managers prioritize tasks in IT projects more efficiently. We developed a classification model for automatically determining priorities based on a dataset of over 1,000,000 project task records. The problem we addressed is multi-class, with the majority of cases labelled with the highest priority, which presents a challenge both in modelling and in the efficiency of IT project management. To address these challenges, we explored strategies to enhance classification performance, including reducing the number of priority classes. Our findings demonstrate that simplifying the priority structure improves the model’s accuracy and contributes to more efficient task management in IT projects.
Ključne besede:vodenje ITprojektov, strojno učenje, določanje prioritet nalog, večrazredna klasifikacija, neuravnoteženost podatkov, neuravnoteženost podatkov


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici