The Art and Science of Analyzing Software Data

هنر و علم تجزیه و تحلیل داده های نرم افزار اطلاعات ارزشمندی را در مورد تکنیک های تجزیه و تحلیل که اغلب برای به دست آوردن بینش از داده های نرم افزار استفاده می شود، ارائه می دهد. این کتاب بهترین شیوه‌های تولید شده توسط دانشمندان پیشرو داده را در این زمینه به اشتراک می‌گذارد که از تجربیات آنها در آموزش دانشجویان مهندسی نرم‌افزار و متخصصان برای تسلط بر علم داده جمع‌آوری شده است.

این کتاب موضوعاتی مانند تجزیه و تحلیل داده‌های امنیتی، بررسی کد را پوشش می‌دهد. ، فروشگاه های برنامه، فایل های گزارش و تله متری کاربر، از جمله. طیف وسیعی از تکنیک‌ها مانند تجزیه و تحلیل هم‌تغییر، تجزیه و تحلیل متن، تجزیه و تحلیل موضوع، و تحلیل مفهومی و همچنین موضوعات پیشرفته‌ای مانند برنامه‌ریزی انتشار و تولید نظرات کد منبع را پوشش می‌دهد. این شامل داستان‌هایی از سنگرهای دانشمندان داده‌های خبره است که نحوه اعمال تجزیه و تحلیل داده‌ها در صنعت و منبع باز، ارائه نتایج به سهامداران و تصمیم‌گیری را نشان می‌دهد.

• بهترین شیوه‌ها، نکات و نکاتی را ارائه می‌کند. تجزیه و تحلیل داده ها و استفاده از ابزارها در پروژه های علم داده
• روش های تحقیق و مطالعات موردی را که در چند سال گذشته ظهور کرده اند برای درک بیشتر داده های نرم افزار ارائه می دهد
• داستان هایی را از سنگرهای موفقیت آمیز به اشتراک می گذارد. ابتکارات علم داده در صنعت

The Art and Science of Analyzing Software Data provides valuable information on analysis techniques often used to derive insight from software data. This book shares best practices in the field generated by leading data scientists, collected from their experience training software engineering students and practitioners to master data science.

The book covers topics such as the analysis of security data, code reviews, app stores, log files, and user telemetry, among others. It covers a wide variety of techniques such as co-change analysis, text analysis, topic analysis, and concept analysis, as well as advanced topics such as release planning and generation of source code comments. It includes stories from the trenches from expert data scientists illustrating how to apply data analysis in industry and open source, present results to stakeholders, and drive decisions.

• Presents best practices, hints, and tips to analyze data and apply tools in data science projects
• Presents research methods and case studies that have emerged over the past few years to further understanding of software data
• Shares stories from the trenches of successful data science initiatives in industry