دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: کامپیوتر ویرایش: نویسندگان: Artem Kruglov. Giancarlo Succi سری: SpringerBriefs in Computer Science ISBN (شابک) : 3031116577, 9783031116575 ناشر: Springer سال نشر: 2023 تعداد صفحات: 86 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Developing Sustainable and Energy-Efficient Software Systems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب توسعه سیستم های نرم افزاری پایدار و کارآمد انرژی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Preface Contents 1 Concept and Principles of Measurement 1.1 Definitions 1.2 Meaning and Advantages 1.3 Representation Condition 1.4 Measurement Characteristics 1.5 Kinds of Metrics 1.6 Measurement Scales 1.7 Software Metrics 1.7.1 Lines of Code (LOC) 1.7.2 Cyclomatic Complexity 1.7.3 Fan In and Fan Out 1.7.4 Maintainability Index (MI) 1.7.5 Quality Metrics 1.7.5.1 Product Quality Metrics 1.7.5.2 Process Quality Metrics 1.8 Rationale for Noninvasive Measurement 1.9 Conclusion 2 Metrics of Sustainability and Energy Efficiency of Software Products and Process 2.1 Early-Phase Metrics 2.2 Late-Phase Metrics 2.3 Metrics of Energy Consumption 2.4 Conclusion 3 System Energy Consumption Measurement 3.1 Introduction 3.2 Energy Measurements Methods 3.2.1 Hardware Tools 3.2.2 Software Tools 3.2.3 Hybrid Tools 3.3 The Challenges of Estimating the Consumed Energy in Software Development 3.4 Machine Learning-Based Approach for Energy Consumption Measurement 3.4.1 Methodology 3.4.2 Data Collection 3.4.3 Data Preprocessing 3.4.4 Machine Learning Models 3.4.5 Performance Evaluation 3.4.6 Experimental Results 3.5 Conclusion 4 GQM and Recommender System for Relevant Metrics 4.1 Introduction 4.2 Concept of Goal-Question-Metric 4.3 The Goal-Question-Metric Process 4.4 Recommender Systems 4.5 Metrics Recommender 4.5.1 Dataset 4.5.2 Preprocessing 4.5.3 Recommender Algorithm 4.5.4 Conclusion 5 Metrics Representation and Dashboards 5.1 Literature Review 5.1.1 Review of Literature on Dashboards 5.1.2 Types of Dashboards 5.1.3 Purposes/Objectives of Dashboards 5.1.4 Visualization Methods of Dashboards 5.2 Methodology and Implementation 5.2.1 Innometrics Project 5.2.2 Visualization for Developers 5.2.3 Visualization for Managers 5.2.4 Common Visual and Functional Features 5.2.5 Architecture, Implementation 5.2.6 Conclusion 6 Architecture of AISEMA System 6.1 Data Collectors 6.1.1 Quality Attributes 6.1.2 Features 6.1.3 Internal Design 6.1.3.1 Graphic Interface 6.1.3.2 Data Collectors 6.1.3.3 Persistence Layer and API Controller 6.2 Backend System 6.2.1 Quality Attributes 6.2.2 Features 6.2.3 Internal Design 6.2.3.1 Main Server 6.2.3.2 Database 6.2.3.3 External Agents 6.3 Conclusion References