Оптимизация процесса распределения работ при управлении командной деятельностью в IT-компаниях с использованием машинного обучения

Целью данной работы является оптимизация процесса распределения работ при управлении командной деятельностью в IT-компаниях с использованием алгоритмов машинного обучения, позволяющая снизить нагрузку на ключевого члена команды – менеджера, который является scrum-мастером. Рассматривается управление командой в scrum по модели Такмана с выделением 5 стадий развития: формирование, конфликтная, нормирующая, исполнительная, расставание. Для увеличения времени на микро-менеджмент внутри команды предложено автоматизировать рутинные процессы с использованием оптимизационного подхода. Показано, что наиболее времязатратной частью данного процесса является определение типа задач. Для этого необходимо детализировать техническое задание, отнести его компоненты (задачи) к определенному типу и поручить выполнение разработчику, который за самое короткое время достигнет требуемого результата. Рассмотрена структура оптимизационной модели распределения задач между разработчиками. Обосновано, что для формирования параметров критерия оптимизации требуется предварительная классификация этих задач по категориям с учетом возможностей членов команды. Обоснован выбор сверточной нейронной сети и применения машинного обучения для решения задачи классификации. В качестве исходных данных при обучении сети на начальных стадиях развития команды предлагается использовать тексты тестовых заданий и их распределение по категориям проектных задач.

1. 5 моделей эффективного командного взаимодействия. Доступно по: https://habr.com/ru/company/hygger/blog/418001/ (дата обращения 12.01.2021).

2. Гибкая процессная методология Agile. Доступно по: https://intuit.ru/studies/courses/3590/832/info (дата обращения 20.01.2021).

3. Tuckman, B.: Developmental Sequence in Small Groups. Psychological Bulletin, 1965:384-399.

4. Tuckman, B., Jensen, M.: Stages of Small Group Development. Group and Organizational Studies, 1977:419-427.

5. Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard and L. D. Jackel: Backpropagation Applied to Handwritten Zip Code Recognition, Neural Computation, 1989;1(4):541-551.

6. Scrum Mastery: 5 Steps to Improve Team Process. Доступно по: https://www.agilesocks.com/scrum-mastery-5-steps-improve-team-process/ (дата обращения 20.01.2021).

7. Secure the software development lifecycle with machine learning. Доступно по: https://www.microsoft.com/security/blog/2020/04/16/secure-software-development-lifecycle-machine-learning/ (дата обращения 10.01.2021).

8. Львович Я.Е. Многоальтернативная оптимизация: теория и приложения. – Воронеж: Издательский дом «Кварта». 2006.

9. Львович Я.Е. Принятие решений в экспертно-виртуальной среде. Я.Е.Львович, И.Я.Львович. – Воронеж: ИПЦ «Научная книга», 2010.

10. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer, 2001.

11. Zhang, X. Character-level convolutional networks for text classification. Xiang Zhang, Junbo Zhao, Yann LeCun. In Advances in Neural Information Processing Systems. 2015:649-657.

12. Kim, Y. Convolutional neural networks for sentence classification. Yoon Kim. IEMNLP. – 2014:1746-1751.