In this digital era, software engineering activities is crucial for organizations to accomplish their goals and survive in the market. The effort required to meet the business demands and projects those related with software development is getting higher than that can be met with in-house resources. As a result, outsourcing need is much than ever. While taking outsourcing services intensively, complying the basic project success factors such as time, cost and scope (the triple constraints) is critical. Effort estimations and success identifiers of outsourced projects are significant in strategic decisions. Underestimations can cause facing with software development projects which tend to pass their specified costs. Furthermore, over estimation could block or decline some other important projects and misusing organizations' reserves.In this study, machine learning techniques are used in predictions of the required effort and success criteria of outsourced software projects. A COCOMO II based survey is prepared and then answered by the project managers and other accountable software specialist in Turkey software industry. The answers are analyzed with machine learning methods and a new cost estimation model developed by using the supervised methods and integration of clustering. First, cluster analysis is used to determine similar projects. Then regression is used to build a prediction model. Finally, a classification algorithm is applied to verify the model. In addition to building an estimation model, the success criteria and bottleneck point of software projects are also examined using classification methods.

Dijitalleşen dünyada, yazılım geliştirme aktiviteleri, organizasyonların başarıya ulaşması için çok önemlidir. Yazılım ile ilgili iş ve proje talepleri organizasyonların iç kaynakları ile harcayabilecekleri eforun çok daha üzerine çıkmıştır. Bu nedenle dış kaynak kullanımına olan ihtiyaç hiç olmadığı kadar yüksek bir düzeydedir. Dış kaynaklar bu denli yoğun kullanılırken, projelerin temel başarı ölçütleri olan, maliyet, zaman ve kapsam hedeflerine ulaşmak kritik önem taşımaktadır. Özellikle dış kaynak projelerin yazılım efor tahminleri ve başarı kriterleri, stratejik kararlar alınması ve hedeflere ulaşılması için önemlidir. Eksik tahminleme, zamanını ve bütçesini aşan projelerin onaylanmasına neden olurken, fazla tahmin edilen projeler ise ihtiyaç duyulan projelerin yapılamamasına ve kaynak israfına neden olmaktadır. Bu çalışmada dış kaynak yardımı ile geliştirilecek yazılım projelerinin efor ve başarı kriterleri makina öğrenimi ile tahminlenmeye çalışılmıştır. COCOMO II anket yapısı baz alınarak, yeni bir anket oluşturulmuş ve bu anketler Türkiye yazılım sektöründe çalışan proje yöneticileri ve sorumlu uzmanlar tarafından doldurulmuştur. Yanıtlar makina öğrenimi metotları ile analiz edilmiş ve yeni bir maliyet tahminleme metodolojisi geliştirilmiştir. Yaklaşımımız kümeleme, regresyon ve sınıflama algoritmalarını bütünleştirmiştir. Öncelikle kümeleme algoritmaları benzer projelerin gruplanması için kullanılmıştır. Sonrasında regresyon algoritmaları ile oluşturulan tahminleme modelleri sınıflandırma algoritmaları sonuçları ile beslenerek doğrulanmıştır. Yeni bir maliyet tahminleme modeli oluşturulmasının yanı sıra, projelerin başarı kriterleri de sınıflandırma metotları kullanılarak incelenmiştir.