Ускорение повышения качества программного обеспечения: машинное обучение и искусственный интеллект в эпоху DevOps на русском
#4515662
Accelerating Software Quality: Machine Learning and Artificial Intelligence in the Age of DevOps (B08FKWD2TR)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Eran Kinsbruner | #646: Теория машин
Книга «Ускорение качества программного обеспечения: машинное обучение и искусственный интеллект в эпоху DevOps» — это всестороннее пособие для разработчиков программного обеспечения, тестировщиков и менеджеров, которые находятся на пути к более зрелому рабочему процессу DevOps и испытывают трудности с улучшением автоматизации и принятием решений на основе данных.
DevOps — это зрелый процесс на всем рынке, однако существующие технологии и модели, не связанные с ИИ/машинным обучением, не позволяют ускорить цикл выпуска, выявить пробелы в производительности и устранить их.
Эта книга, написанная мной при участии лидеров в области DevOps и автоматизации тестирования, охватывает темы от базового введения в ИИ и машинное обучение в разработке и тестировании программного обеспечения, влияния ИИ и машинного обучения на существующие приложения, процессы и инструменты, практических советов по применению коммерческих и открытых инструментов ИИ/машинного обучения в существующем наборе инструментов, тестирования чат-ботов, визуального тестирования с использованием ИИ, автоматизированного сканирования безопасности на наличие уязвимостей, автоматизированного анализа кода, тестирования и управления API с использованием ИИ/машинного обучения, сокращения трудозатрат и времени за счет анализа влияния тестирования (TIA), роботизированной автоматизации процессов (RPA), AIOps для более эффективного развертывания кода и предотвращения дефектов в производственной среде, и многое другое.
При правильном использовании таких инструментов команды DevOps могут добиться повышения качества кода и расширения охвата функционального и нефункционального тестирования. Это ускоряет цикл выпуска релизов, снижает уровень шума и программных потерь, а также повышает качество приложений.
Книга разделена на 3 основные части:
• Раздел 1 посвящен основам ИИ и машинного обучения в разработке и тестировании программного обеспечения. Он включает в себя введение, определения, основы тестирования приложений на основе ИИ, классификацию ИИ/машинного обучения и дефекты, связанные с ИИ/машинным обучением, и многое другое.
• Раздел 2 посвящен практическим советам и рекомендациям по использованию решений на основе ИИ/машинного обучения в процессе разработки программного обеспечения. Этот раздел включает такие темы, как визуальная автоматизация тестирования с помощью ИИ, ИИ в управлении тестированием, тестирование приложений разговорного ИИ, преимущества RPA, тестирование API и многое другое.
• В разделе 3 рассматриваются более продвинутые и перспективные аспекты ИИ и машинного обучения с прогнозами и уникальными примерами использования. Среди тем этого раздела — ИИ и машинное обучение в мониторинге логов, преимущества AIOps для всей команды DevOps, способы поддержки автоматизации тестирования ИИ/машинного обучения, анализ влияния ИИ на тестирование и многое другое.
Книга содержит множество проверенных лучших практик, реальных примеров и рекомендаций по другим решениям с открытым исходным кодом и коммерческим продуктам, которые призваны сформировать будущее DevOps вместе с машинным обучением и искусственным интеллектом.
DevOps — это зрелый процесс на всем рынке, однако существующие технологии и модели, не связанные с ИИ/машинным обучением, не позволяют ускорить цикл выпуска, выявить пробелы в производительности и устранить их.
Эта книга, написанная мной при участии лидеров в области DevOps и автоматизации тестирования, охватывает темы от базового введения в ИИ и машинное обучение в разработке и тестировании программного обеспечения, влияния ИИ и машинного обучения на существующие приложения, процессы и инструменты, практических советов по применению коммерческих и открытых инструментов ИИ/машинного обучения в существующем наборе инструментов, тестирования чат-ботов, визуального тестирования с использованием ИИ, автоматизированного сканирования безопасности на наличие уязвимостей, автоматизированного анализа кода, тестирования и управления API с использованием ИИ/машинного обучения, сокращения трудозатрат и времени за счет анализа влияния тестирования (TIA), роботизированной автоматизации процессов (RPA), AIOps для более эффективного развертывания кода и предотвращения дефектов в производственной среде, и многое другое.
При правильном использовании таких инструментов команды DevOps могут добиться повышения качества кода и расширения охвата функционального и нефункционального тестирования. Это ускоряет цикл выпуска релизов, снижает уровень шума и программных потерь, а также повышает качество приложений.
Книга разделена на 3 основные части:
• Раздел 1 посвящен основам ИИ и машинного обучения в разработке и тестировании программного обеспечения. Он включает в себя введение, определения, основы тестирования приложений на основе ИИ, классификацию ИИ/машинного обучения и дефекты, связанные с ИИ/машинным обучением, и многое другое.
• Раздел 2 посвящен практическим советам и рекомендациям по использованию решений на основе ИИ/машинного обучения в процессе разработки программного обеспечения. Этот раздел включает такие темы, как визуальная автоматизация тестирования с помощью ИИ, ИИ в управлении тестированием, тестирование приложений разговорного ИИ, преимущества RPA, тестирование API и многое другое.
• В разделе 3 рассматриваются более продвинутые и перспективные аспекты ИИ и машинного обучения с прогнозами и уникальными примерами использования. Среди тем этого раздела — ИИ и машинное обучение в мониторинге логов, преимущества AIOps для всей команды DevOps, способы поддержки автоматизации тестирования ИИ/машинного обучения, анализ влияния ИИ на тестирование и многое другое.
Книга содержит множество проверенных лучших практик, реальных примеров и рекомендаций по другим решениям с открытым исходным кодом и коммерческим продуктам, которые призваны сформировать будущее DevOps вместе с машинным обучением и искусственным интеллектом.