Mesterséges Intelligencia + Szoftvertesztelés

Workshop vezetők

Dr. Beszédes Árpád

Dr. Beszédes Árpád 1997-ben szerzett Programtervezői diplomát a Szegedi Tudományegyetemen, ahol a Mesterséges Intelligencia Kutatócsoportban, majd 2003-as megalakulásától a Szoftverfejlesztés Tanszéken dolgozott, ahol jelenleg habilitált egyetemi docens. Doktori fokozatát szoftver analízis témakörében szerezte 2005-ben. Bővebb kutatási területe a szoftverminőség, azon belül a szoftveranalízis, szoftvertesztelés. Az évek során számos hazai és nemzetközi kutatás-fejlesztési projektben vett részt, több tudományos konferencia programbizottságának, valamint szakfolyóirat szerkesztőbizottságának tagja. Több mint száz tudományos publikációja van. Az elismert nemzetközi ISTQB tesztelői tanúsítványok közül az összes alap és haladó szintű, valamint több speciális tanúsítvánnyal is rendelkezik.

Dr. Gergely Tamás

Dr. Gergely Tamás 2000-ben szerzett Programtervezői diplomát a Szegedi Tudományegyetemen, PhD tanulmányai után 2003-tól az egyetem Szoftverfejlesztés Tanszékén dolgozik, jelenleg adjunktusként. Egyik kutatási és oktatási területe a szoftver analízis, azon belül a szoftvertesztelés. Az évek során több kisebb-nagyobb szoftverminőséghez kapcsolódó hazai és nemzetközi projektben is részt vett, több tudományos publikációja is megjelent ezeken a területeken. Rendelkezik nem csak az összes foundation és advanced szintű, de több speciális terület (például az MI tesztelés) ISTQB tanúsítványával is.

Program

A workshop résztvevői betekintést kapnak a Mesterséges Intelligencia (MI) és a szoftvertesztelés kapcsolatának világába: 

• az MI-t használó szoftvereket hatékonyan tesztelő módszerekbe, 
• de az MI alkalmazását a tesztelés hatékonyabbá tételéhez is érintjük (Test4AI és AI4Test). 

Néhány témakör, amit elméleti ismertetés után gyakorlati feladatok megoldásával is megtapasztalhatnak a résztvevők:

• Adatok, adatelőkészítés, jellemzőválasztás
• Funkcionális teljesítmény metrikák
  • accuracy, 
  • precision, 
  • recall, F1-score, 
  • ROC, 
  • AUC, 
  • MSE, 
  • R-squared, 
  • intra-cluster, 
  • inter-cluster, 
  • silhouette coefficient.
• Neurális hálózatoklefedettségi metrikái
• AI alapú rendszerek tesztelésének jellemzői 
  • új tesztelési szintek, 
  • kihívások, 
  • bias, 
  • dokumentáció, 
  • concept drift.
• MI rendszerek minőségi jellemzőinek tesztelése
  • Flexibility, 
  • Adaptability, 
  • Autonomy, 
  • Bias, 
  • Ethics, 
  • Transparency, 
  • Interpretability, 
  • Explainability, 
  • Safety), 
  • akadályok (véletlenszerűség, tolerancia, orákulum hiánya)
• Hasznos technikákés a technika választás szempontjai
  • Statisztikai technikák, 
  • Páronkénti tesztelés,
  • back-to-back tesztelés, 
  • A/B tesztelés, 
  • Metamorf tesztelés, 
  • Hibasejtés, 
  • Exploratory Data Analysis, 
  • Ellenőrzőlisták, 
• Tesztkörnyezetek (virtualizáció)
• MI alkalmazása teszteléshez
  • hibák elemzése, 
  • teszteset-generálás, 
  • regressziós tesztek optimalizálása, 
  • hiba előrejelzés, 
  • GUI tesztelés.

Kiknek szól a workshop?

• MI elemeket használó / használni tervező projektek menedzsereinek,
• MI elemeket használó / használni tervező rendszerek product ownereinek / tesztelőinek,
• MI alapú rendszerekfejlesztőinek,
• MI modellekfejlesztőinek / tesztelőinek,
• MI modellek tanulóadatait begyűjtő / előkészítő munkatársaknak,
• Minden szoftvertesztelőnek, akik szeretnék megismerni az MI tesztelés alapjait.

Elvárt tudás a résztvevők részéről:

• alapszintű ismeretek az MI technológiákkal kapcsolatban, 
• valamint alapszintű szoftvertesztelői ismeretek. 

A gyakorlati feladatok megoldásához Python nyelv alapszintű ismerete előny, de nem elvárás.

PDF letöltés