دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Qing Wang, Zhenyu Chen, Junjie Wang, Yang Feng سری: ISBN (شابک) : 981169642X, 9789811696435 ناشر: Springer سال نشر: 2022 تعداد صفحات: 251 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Intelligent Crowdsourced Testing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تست جمع سپاری هوشمند نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
جف هاو در مقاله ای برای مجله Wired در سال 2006، جمع سپاری را به عنوان ایده ای برای برون سپاری کاری که به طور سنتی توسط یک کارمند منفرد به گروه بزرگی از مردم در قالب یک تماس آزاد انجام می شود، تعریف کرد. از آن زمان، با تغییر منابع جمعی به اشکال مختلف، برخی از موفق ترین شرکت های جدید در بازار از این ایده برای آسان کردن و بهتر کردن زندگی مردم استفاده کرده اند. از سوی دیگر، تست نرم افزار مدت هاست که به عنوان یک فعالیت وقت گیر و پرهزینه شناخته شده است. آزمایش برنامه های تلفن همراه به ویژه به دلیل مشکلات سازگاری دشوار است: یک برنامه تلفن همراه باید روی دستگاه هایی با سیستم عامل های مختلف (مانند iOS، Android)، سازنده (مانند Huawei، Samsung) و انواع صفحه کلید (مانند صفحه کلید مجازی، صفحه کلید سخت) کار کند. نمی توان 100% مطمئن بود که، فقط به این دلیل که یک برنامه آزمایش شده روی یک دستگاه به خوبی کار می کند، بر روی سایر دستگاه ها هموار اجرا خواهد شد. تست Crowdsourced یک الگوی نوظهور است که میتواند مقرون به صرفه بودن تست نرمافزار را بهبود بخشد و فرآیند را بهویژه برای برنامههای موبایل تسریع بخشد. وظایف تست را به کارگران آنلاین محول می کند که دستگاه ها / زمینه های مختلف آزمایش، تجربه و مجموعه مهارت ها می توانند به طور قابل توجهی به نتایج تست مطمئن تر، مقرون به صرفه تر و کارآمدتر کمک کنند. قبلاً توسط بسیاری از سازمان های نرم افزاری از جمله گوگل، فیس بوک، آمازون و مایکروسافت پذیرفته شده است. این کتاب یک نمای کلی هوشمندانه از تحقیق و تمرین آزمایش جمعسپاری ارائه میکند. این فناوری از تکنیکهای یادگیری ماشین، دادهکاوی و یادگیری عمیق برای پردازش دادههای تولید شده در طول فرآیند آزمایش crowdsourced، تسهیل مدیریت آزمایش crowdsourced، و بهبود کیفیت تست crowdsourced استفاده میکند.
In an article for Wired Magazine in 2006, Jeff Howe defined crowdsourcing as an idea for outsourcing a task that is traditionally performed by a single employee to a large group of people in the form of an open call. Since then, by modifying crowdsourcing into different forms, some of the most successful new companies on the market have used this idea to make people’s lives easier and better. On the other hand, software testing has long been recognized as a time-consuming and expensive activity. Mobile application testing is especially difficult, largely due to compatibility issues: a mobile application must work on devices with different operating systems (e.g. iOS, Android), manufacturers (e.g. Huawei, Samsung) and keypad types (e.g. virtual keypad, hard keypad). One cannot be 100% sure that, just because a tested application works well on one device, it will run smoothly on all others. Crowdsourced testing is an emerging paradigm that can improve the cost-effectiveness of software testing and accelerate the process, especially for mobile applications. It entrusts testing tasks to online crowdworkers whose diverse testing devices/contexts, experience, and skill sets can significantly contribute to more reliable, cost-effective and efficient testing results. It has already been adopted by many software organizations, including Google, Facebook, Amazon and Microsoft. This book provides an intelligent overview of crowdsourced testing research and practice. It employs machine learning, data mining, and deep learning techniques to process the data generated during the crowdsourced testing process, to facilitate the management of crowdsourced testing, and to improve the quality of crowdsourced testing.