فهرست نشریات علمی دسترسی آزاد ایران

مسئله اصلی این پژوهش، هزینه‌های بالای نگهداری و توسعه کدهای پیچیده در پروژه‌های یادگیری ماشین است که مطالعات نشان می‌دهد تا ۸۰٪ از کل هزینه‌ها را شامل می‌شود. هدف این تحقیق، ارائه یک چارچوب عملیاتی برای اعمال اصول پنج‌گانه SOLID در پیپلاین‌های یادگیری ماشین و تحلیل تأثیر کمی آن بر شاخص‌های کیفیت کد است. روش پژوهش مبتنی بر تحلیل محتوای کیفی و مطالعه تطبیقی است. داده‌ها از طریق بررسی نمونه‌کدهای واقعی در فریمورک‌های Scikit-learn و TensorFlow و پروژه‌های متن‌باز جمع‌آوری شد. تحلیل داده‌ها با استفاده از کدگذاری موضوعی و ماتریس تطبیقی انجام گرفت. یافته‌ها نشان داد که رعایت اصول SOLID منجر به بهبود ۴۰ درصدی خوانایی کد و کاهش ۶۰ درصدی زمان عیب‌یابی می‌شود. همچنین، قابلیت نگهداری به‌طور چشمگیری افزایش و وابستگی‌های ناخواسته بین ماژول‌ها کاهش می‌یابد. نوآوری اصلی این پژوهش در ارائه چارچوبی گام‌به‌گام برای اعمال تدریجی اصول SOLID در پروژه‌های یادگیری ماشین است. شناسایی الگوهای طراحی ویژه این حوزه نیز از دستاوردهای تحقیق می‌باشد. با وجود افزایش اولیه حجم کد، مزایای بلندمدت از جمله کاهش بدهی فنی و تسهیل توسعه تیمی، توجیه‌پذیر است.