Keynote Embedded Testing / Clean Code Days 2018: Test Intelligence?

Posted on 06/21/2018 by Dr. Elmar Juergens

Since this post accompanies a talk in German, it is written in German, too.

Koordinaten

Zusammenfassung

Es ist selten genug Zeit da, um so gründlich zu testen, wie wir gerne würden. Verantwortung für Tests umfasst daher auch immer die Verantwortung für Test-Lücken. Das ist oft schmerzhaft. Gibt es Ansätze, die uns helfen können, intelligenter zu testen?

Big Data und Machine Learning versprechen Erkentnisgewinn durch die intelligente Auswertung von großen Datenmengen. In der Forschung gibt es auch tatsächlich Ansätze, die versuchen, relevante Erkenntnisse aus den Daten zu extrahieren, die bei Entwicklung und Test anfallen (z.B. Versionshistorien, Issues, Review-Kommentare, Coverage, Stack-Traces). Doch was bringen Defect Prediction, Failure Clustering, Test Impact Analysis usw. in der Praxis?

Wir selbst haben in den letzten Jahren viele der wichtigsten Ansätze implementiert und in unserer eigenen Entwicklung und bei Kunden evaluiert. In dieser Keynote stelle ich zentrale Ansätze, Forschungsergebnisse und Anekdoten, Erfolgsgeschichten und Fehlschläge vor.

Folien

Click to activate comments for this page.

Please note that comments use the third-party integration Disqus, which shares data with both Twitter and Facebook and has a separate privacy policy that you have to agree to before activating comments on this page.