风险无处不在,但不是所有的测试都能够揭露风险。基于这两个现实,百度MEG质量效能团队从2021年开始探索和实践基于风险驱动的测试,希望利用人工智能技术来决策测试行为,实现风险揭错的高ROI。
9月21日,本期沙龙数据派THU将带您走进百度MEG质量效能团队,为大家带来“基于风险驱动的智能交付系统”的专题分享。
直播时间:2022/09/21 14:00-16:30
扫码预约直播
演讲嘉宾:
刘道伟,百度资深测试工程师
百度资深测试工程师,搜索业务测试技术负责人,主要负责搜索测试中台和效能方向,具有多年的交付效能、智能交付工作经验。
报告题目:百度搜索业务交付无人值守实践与探索
报告摘要:
随着工程能力的提升,测试能力左移,研发的自主测试率不断提升。但在交付过程中,仍然存在很多流程和质量确认环节依赖于人工测试,消耗了大量的QA人力,因此百度探索通过智能化决策代替交付过程中的人工决策,实现全流程无人值守。
本次报告将介绍交付过程中无人值守的方案,探索实践及降本增效。
韩照光,百度资深测试工程师
百度资深测试工程师,大商业交付效能提升负责人,长期从事研发效能提升工作。在研发流程改进、接口自动化及持续集成、效能数字化方面有一定的经验,目前专注于精准测试和智能化测试等专项测试的改进工作。
报告题目:AI技术在基于风险测试模式转型中的应用
报告摘要:
当前,项目交付过程中测试环节黑盒占比较高,质量、效率受主观因素影响较大,很大程度依赖个人的经验和能力,在测试过程中面临着谁来测、怎么测、测试效果等问题。我们试着将AI技术引入整个测试过程,基于项目风险驱动任务自动分发、测试范围分析、智能化的测试执行、测试辅助定位、准出风险评估做全流程的智能决策,提高技术/机器决策占比,用较小代价完成测试任务,实现整体测试模式转型。
本次报告将为大家介绍AI技术在基于风险测试模式转型中的应用分享。
黄佳鑫,百度资深测试工程师
百度资深测试工程师,研发质效策略负责人。通过数据+AI策略,最大程度平衡交付质量和效能,在用例筛选、精准灰度,风险评估和线上监测等方面有实践经验。
报告题目:质量度模型助力风险决策水平提升
报告摘要:
持续交付过程的决策和流转主要依赖人工判断,人工精力有限、经验参次不齐会影响交付的质量和效率。与此同时,机器学习技术的应用,已在不同领域遍地开花。
本报告将介绍机器学习在质量场景的一些探索和实践,希望给大家带来一些思考。