GlobalLogic InteliQ

Identificira ključne izazove i područja visokog rizika u ranoj fazi, u okviru regresijskog testiranja, pomoću vrlo učinkovite prioretizacije testnih slučajeva

Pregled

GlobalLogic InteliQ akcelerator primjenjuje pristup strojnog učenja na regresijsko testiranje kako bi učinkovitije odredio prioritete testnih slučajeva i ranije identificirao ključna pitanja i područja visokog rizika. Rješenje također pomaže testnim inženjerima u automatizaciji manualnih procesa, prepoznavanju problematičnih auto testova i identifikaciji odstupanja koja bi mogla stvoriti slabost u razvojnom procesu. Automatiziranjem osiguranja kvalitete i ranijim otkrivanjem nedostataka, InteliQ može smanjiti troškove faze projekta za oko 11% i ubrzati vremenski slijed ciklusa ispitivanja regresije.

Podržane platforme

Industrije

Industry Agnostic

Tehnologije/Slaže se s

Python, Scikit-learn, Pandas, NumPy, Angular, Flask, GitHub, Terraform, Amazon / compatible with Azure and GCP, Amazon DynamoDB, Amazon S3 , AWS Code Commit, Amazon ECS, AWS Fargate, Amazon Route 53, Amazon CloudFront

Poslovne potrebe

Definirati najvažnije i najrizičnije testove (npr. područja, značajke), od točke kritičnosti do lansiranja proizvoda

Pronaći najvažnije nedostatke na početku regresijskog ispitivanja

Uštediti vrijeme i smanjiti troškove testiranja bez ugrožavanja kvalitete proizvoda

Procijeniti rizike prije sljedećeg razvojnog ciklusa u svrhu njihovog ublaživanja

Utvrditi testove visokog rizika kao kandidate za automatizaciju

Vrijednosna propozicija

Kreira prioritetne toplinske karte za regresiju radi optimizacije testnog rada

Pomaže definirati kandidate za manualni test za automatizaciju

Eliminira rizik od kvara za automatizirani i manualni test

Naglašava faktore rizika i ublažava rizike projekta

Detektira netipične vrijednosti i potencijalno nestabilne auto testove

Smanjuje troškove faze projekta za oko 11%

Značajke

  • URL copied!