ml5238 源代码_无代码和基于ML的自动化与传统测试自动化

ml5238 源代码

毫无疑问，测试自动化领域正在发生转变。 机器学习（ML），深度学习和人工智能（AI）被越来越多地用作测试创作和测试分析的一部分。

尽管从成熟的角度来看，这个空间仍在增长，但对于从业者（开发人员和测试工程师）来说，现在是开始了解ML / AI的关键用例及其对整体测试自动化的影响的绝佳时机。

如今，各组织都在研究ML和AI，以帮助解决和解决以下方面的问题：

• 对象识别和处理动态对象定位器
• 转录语音–可访问性和类似的用例
• 根据数据制定与质量相关的决策
• 识别DevOps管道中的趋势和/或模式
• 安全用例–识别应用程序和文档中的签名，例如

并非所有的ML / AI解决方案都提供无代码测试创作，还有诸如Test.AI之类的解决方案可以通过其他代码行提供用于Appium测试编码的AI功能。

我的同事Uzi Eilon （Perfecto的CTO）和我自己准备了以下比较表，显示了使用ML / AI无代码（在大多数情况下）测试自动化工具和传统测试框架（如Selenium，Appium，意式浓缩咖啡等

从上表可以看出，没有一个解决方案比其他解决方案更好，而是从业人员或团队需要解决的一组要求，然后才能转换为新模型或坚持使用当前的（或两者结合）。

为了强调无代码测试的一些好处，我们可以看看测试编写的速度，从技能组的角度来看较低的标准，由于自愈代码和对象标识而导致的更稳定的测试方案等。

为了突出传统测试自动化空间的优势，我们可以看看成熟的空间，更好的集成和开源挂钩，更高的技能组合，以实现更大的编码灵活性，高级测试类型以及对所有应用程序的支持。

底线

在此博客中，除了没有其他决定或底线之外-熟悉并了解市场转型，开始考虑使您放慢脚步的用例，并查看AI / ML领域中的哪些工具可以用来缓解这些麻烦。

翻译自: https://www.javacodegeeks.com/2018/11/codeles-based-automation-traditional-test.html

ml5238 源代码