Skip to main content
search
By In Publikation

Ablösung eines Legacy-Systems mittels Custom Transpilation

Read Article
By In Publikation

Machine Learning für Software Qualität

Read Article
By In Publikation

itestra: Mit Innovation und Kontinuität zum Erfolg

Read Article
Understanding legacy
Publikation

Architektur-Pattern in Legacy-Systemen

Gewachsene Strukturen verstehen und erfolgreich modernisieren In jedem größeren Unternehmen bilden betriebliche Informationssysteme geschäftskritische…
Machine Learning zur Software-Analyse
Publikation

Machine Learning zur Software-Analyse

Grundlagen für den Einsatz In vielen Bereichen wird der Einsatz von Machine Learning erforscht…
Street Sign the Direction Way to Original versus Fake
Publikation

Anforderungs-Dokumente verbessern

Wie Clone Detection-Werkzeuge helfen, Copy & Paste in Spezifikationen zu erkennen Anforderungen an die…
svg+xml;charset=utf itestra
Publikation
Ein Aktivitäten-basiertes Qualitätsmodell für Wartbarkeit
svg+xml;charset=utf itestra
Publikation
Sinnvolle Namen – ein entscheidender Faktor in Software-Systemen
svg+xml;charset=utf itestra
Publikation
Was ist eigentlich gute Software?
svg+xml;charset=utf itestra
Publikation
Software-Qualitätsbewertung durch Künstliche Intelligenz
svg+xml;charset=utf itestra
Publikation
Schadenerhebung per Satellit und KI
svg+xml;charset=utf itestra
Insights
Wie verträgt sich Digitalisierung mit vorhandener (Alt-) Software?

Publikationen

Learning a Classifier for Prediction of Maintainability based on Static Analysis Tools

Markus Schnappinger, Mohd Hafeez Osman, Alexander Pretschner, Arnaud Fietzke
Download the comprehensive research paper on predicting software maintainability using static analysis tools. This scholarly work, conducted by experts from the Technical University of Munich and itestra GmbH, meticulously examines source code from various projects. The study employs machine learning algorithms to forecast the maintainability of software classes based on code metrics. The findings reveal promising techniques for automated maintainability assessments, providing valuable insights for developers striving to maintain high-quality software systems. Access the full document to delve into the methodologies, results, and practical implications of this pioneering research.
2019 IEEE/ACM 27th INTERNATIONAL CONFERENCE ON PROGRAM COMPREHENSION (ICPC)
https://itestra.com/wp-content/uploads/2021/03/icpc-from-proceedings-1.pdf

Operationalised product quality models and assessment: The Quamoco approach

Stefan Wagner, Andreas Goeb, Jonathan Streit, Lars Heinemann, Michael Kläs, Klaus Lochmann, Reinhold Plösch, Andreas Seidl, Adam Trendowicz, Constanza Lampasona, Alois Mayr
INFORMATION AN SOFTWARE TECHNOLOGY, VOLUME 62, PAGES 101-123, JUNE 2015
https://itestra.com/wp-content/uploads/2018/03/15_itestra_quality_models_assessment.pdf

Unterstützung von Performance-Optimierungen durch Analyse von gesampleten Mainframe-Verbrauchs-Messungen.

Stefan Laner
MASTERARBEIT, INSTITUT FÜR INFORMATIK, TECHNISCHE UNIVERSITÄT MÜNCHEN, IN KOOPERATION MIT DER ITESTRA GMBH, 2013
https://itestra.com/wp-content/uploads/2018/03/13_masterthesis_stefan_laner.pdf

The Quamoco Product Quality Modelling and Assessment Approach

Stefan Wagner, Klaus Lochmann, Lars Heinemann, Michael Kläs, Adam Trendowicz, Reinhold Plösch, Andreas Seidl, Andreas Goeb, Jonathan Streit
PROCEEDINGS OF INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING (ICSE), ZÜRICH, JUNE 2012
https://itestra.com/wp-content/uploads/2018/03/12_itestra_the_quamoco_product_quality_modelling1.pdf

info@itestra.de
+49 89 381570-110

Zukunft gemeinsam gestalten.

Close Menu