135. [pro:]TEST! Efektivní testovací scénáře s AI & Budování silného týmu

Ve spolupráci s Update Conference s.r.o. jsme připravili společné setkání komunit. Můžete se těšit na 2 přednášky od Jany Vítek a Miroslava Bureše.

POZOR! Na akci je potřeba se přihlásit přes tento odkaz.

Cena: 100 Kč včetně DPH
Setkání se koná v Microsoft Praha, detaily Vám budou odeslány po přihlášení na akci.

Program:
17:00 - 17:30 - Registrace
17:30 - 18:15 - Jana Vítek - Tým jako mapa - naučte se v ní číst
18:15 - 18:45 - Občerstvení a káva
18:45 - 19:30 Miroslav Bureš - Jak chytře automatizovat vytváření testovacích scénářů?

Anotace přednášek
Jana Vítek - Tým jako mapa - naučte se v ní číst
Každý člen týmu je jiný – jinak přemýšlí, motivuje ho něco jiného a jinak reaguje na změny. Pokud vedete tým, tahle přednáška vám pomůže lépe se v lidech zorientovat a přestat řídit podle intuice.
Ukážeme si:

• jak poznat různé osobnosti v týmu a přizpůsobit jim vedení,
• jak využít rozdíly mezi generacemi jako výhodu,
• jak motivace ovlivňuje chování i výkon,
• a proč některé týmy fungují a jiné.

Odnesete si praktické tipy, které můžete hned použít, a nový pohled na svůj tým jako na mapu, kterou se dá naučit číst.

Miroslav Bureš - Jak chytře automatizovat vytváření testovacích scénářů?
Nejčastěji automatizujeme vykonávání testů s očekáváním, že ušetříme čas a zdroje. Pokud testy automatizujeme dobře, takové očekávání se dá splnit. Můžeme ale automatizovat i vytváření testovacích scénářů. Tím se zabývá Model-based Testing (MBT) a slibuje řadu výhod: úsporu času při vytváření testovacích scénářů, odstranění duplicit z testů, garantované testovací pokrytí, nebo překonání nekonzistencí v návrhové dokumentaci. MBT se ale v předchozích dvaceti letech používal hlavně v testování kritických systémů, kde často není jiná možnost. Dost pravděpodobně proto, že má dvě otravné nevýhody: jednak musíme vytvářet model testovaného systému a udržovat jej aktuální, a potom, pokud je model příliš zjednodušený, některé generované scénáře nemusí odpovídat realitě a nepůjdou vykonat.

Dokážeme pomocí umělé inteligence vyřešit tyto dvě nevýhody, aby bylo MBT možné lépe používat při každodenním vytváření testovacích scénářů? Můžeme pro to použít třeba i v poslední době populární velké jazykové modely? Nebo na to budou vhodnější jiné části AI? Kromě odpovědí na tyto otázky si budeme povídat i o dvou novinkách v MBT, o metodě Constrained Path-based Testing a postupu Model Inference. Obě mají za cíl zmenšit uvedené nevýhody MBT a zpřístupnit automatizaci vytváření testovacích scénářů pro běžné softwarové projekty.