在敏捷、DevOps、CI/CD以及其他任何我们想加入的行业词汇的世界里，开发人员和测试人员面临着快速交付高质量、功能性软件的巨大压力。需求必须由一系列的测试来支持，这样才能看到分配的需求是否得到了满足。许多组织在Jira（或其他平台）中手动将测试结果与需求相关联，但这可能是乏味的，而且浪费精力。相反，开发人员和测试人员可以自动化测试，并反过来依靠一个清晰的综合仪表板，他们可以在其中看到：所有的测

我最近写过一篇关于陷入代码覆盖率百分比陷阱的文章，这引发了热烈的讨论，所以我想我将更深入地探讨代码覆盖率问题和解决方案。具体来说，涵盖覆盖率本身、自动生成的JUnit测试的值以及如何识别有问题的单元测试。另外，还会浅显地提及如何在执行方面继续做得更好。JUnit代码覆盖率如何工作？让我们从覆盖率指标本身以及我们如何计算代码覆盖率开始。代码覆盖率数字通常是无意义的，或充其量是会造成误导的。如果你“确

在上周我写了一篇“基于机器学习的银行电话营销客户购买可能性预测分析”，那是作为对客户购买可能性预测分析的第一次验证案例的尝试。今天是基于机器学习的客户购买可能性预测分析的第二次验证案例：推荐系统。推荐系统基于热度推荐：由专家或者一定时期产品销售情况或者主推产品，制作一个排行榜，在没有用户数据的情况下根据排行榜推荐基于用户特征推荐：通过历史数据，由算法(机器学习)根据用户特征进行推荐，在用户数据能够

什么是IEC 61508？IEC 61508被认为是功能安全的基本或“通用”国际标准。IEC 61508可应用于任何类型的与安全相关的电气/电子产品。工业部门应根据需要提供自己的特定标准、文档和指南（例如，汽车中的ISO 26262）。IEC 61508涵盖了关键安全系统的整个安全生命周期。它包含4个规范性部分（1-4）和3个信息性或“准则”部分（5-7）。IEC 61508的认证是可选的——该标

单元测试就是测试单独的单元。在本文中，我们将进行7次模拟，包括一些有用的问题，以便您可以指导自己完成C和单元测试。我们需要多少单元测试隔离？在为C和C++开发单元测试时，这是一个反复出现的重要问题，经常被争论。我在这里不是在谈论与开发者的隔离，而是坐在开放空间中坐在我们旁边，敲打他耳机的音乐节奏（顺便说一句，当我们想创造出色的质量代码时，这也很重要）。我说的是将经过测试的代码与其周围环境（即所谓的

更快的发布周期是微服务架构的主要优势之一。但是，如果没有良好的CI/CD流程，您将无法实现微服务所承诺的敏捷性。本文介绍了挑战并提出了解决此问题的一些方法。什么是CI/CD？当我们谈论CI/CD时，实际上是在谈论几个相关过程：持续集成、持续交付和持续部署。持续集成。代码更改经常合并到主分支中。自动化的构建和测试过程可确保主分支中的代码始终具有生产质量。持续交付。通过CI流程的所有代码更改都将自动发

本文采用Kaggle上面的Boston HousePrice数据集展示了如何建立机器学习模型的通常过程，包括以下几个阶段：数据获取数据清洗探索性数据分析特征工程模型建立模型集成标签变量（房价）采取了对数转换，使其符合正太分布，最后从12个备选模型中选出预测效果最好的6个模型Lasso，Ridge，SVR，KernelRidge，ElasticNet，BayesianRidge分别进行加权平均集成和

Python和R是数据中心工程师最流行的编程语言之一。但是，它们并不总是构建应用程序的其余部分的语言。这就是为什么你有时需要找到一种方法来将用Python或R编写的机器学习模型部署到基于.NET等语言的环境中。在本文中，我将展示如何使用Web API将机器学习模型集成到.NET编写的应用程序中。开始：Flask我们可以使用Flask作为共享和主持我们的机器学习预测的一种方式

软件开发行业最近最热门的词汇之一就是人工智能。但它的真正含义是什么？软件测试自动化背景下的人工智能与其更广泛的定义有何不同？当我们谈论人工智能及其姊妹词机器学习时，我们是什么意思？我想我会澄清我们的用法，以便清楚我们如何使用AI和机器学习来推进最先进的API测试。如何在软件测试中实现人工智能（这不仅仅是嗡嗡声）人工智能是数字市场中最超负荷的流行语之一。“人工智能”让人联想到诸如全能的超级计算机，一

21世纪是数据驱动型决策的时代。据说产生更多数据的细分市场或行业增长速度会更快，而能够利用这些数据作出重要决策的一方将会走在前面。当涉及到产生大量数据的行业时，由于采用了数据收集的新方法，例如传感器生成的数据，医疗保健就是其中之一。机器学习如何帮助医疗行业？机器学习允许构建模型来快速分析数据并交付结果，同时利用历史数据和实时数据。通过机器学习，医疗服务提供商可以对患者的诊断