GlobalLogic InteliQ

Identifica problemas críticos y áreas de alto riesgo antes en las pruebas de regresión a través de una priorización de casos de prueba altamente efectiva

Visión general

El acelerador InteliQ de GlobalLogic aplica un enfoque de aprendizaje automático a las pruebas de regresión para priorizar de manera más efectiva los casos de prueba y, por lo tanto, identificar problemas críticos y áreas de alto riesgo antes. La solución también ayuda a los ingenieros de pruebas a automatizar los procesos manuales, identificar pruebas automáticas problemáticas y detectar cualquier valor atípico que pueda crear una debilidad en el proceso de desarrollo. Al automatizar el control de calidad y detectar defectos antes, InteliQ puede reducir los costos de la fase del proyecto en aproximadamente un 11% y acelerar la línea de tiempo del ciclo de prueba de regresión.

Plataformas compatibles

Icon aws Icon azure Icon gcp

Industrias

Industry Agnostic

Tecnologías

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

Necesidades del negocio

Definir las pruebas más importantes y de mayor riesgo (por ejemplo, áreas, características) desde el punto de criticidad hasta el lanzamiento del producto.

Encuentre los defectos más importantes al comienzo de las pruebas de regresión

Ahorre tiempo y reduzca los costos de las pruebas sin comprometer la calidad del producto

Estimar los riesgos antes del próximo ciclo de desarrollo para mitigar los riesgos.

Identificar las pruebas de alto riesgo como candidatas a la automatización

Propuesta de valor

Crea mapas de calor de prioridad para la regresión para optimizar la ejecución de la prueba

Ayuda a definir casos de prueba manuales candidatos para la automatización

Elimina los riesgos de falla de las pruebas manuales y automatizadas

Destaca los factores de riesgo y mitigar los riesgos del proyecto

Detecta valores atípicos y pruebas automáticas potencialmente inestables

Reduce los costos de la fase del proyecto en aproximadamente un 11%

Características

Implementación simple

  • Aplicable a cualquier proyecto con un ciclo de regresión regular
  • Puede integrarse en un proyecto con una API o utilizarse como módulo independiente
  • Se integra con cualquier herramienta de seguimiento de errores que admita API

Tecnologías modernas

  • Basado en una solución personalizada en ML y un enfoque de priorización de casos de prueba basado en el historial
  • Utiliza una interfaz de usuario de asistente inteligente para garantizar una interfaz fácil de usar
  • Reutilizable con varios proyectos a través de conectores ETL personalizados

Trabajemos juntos

Resource center

  • URL copied!