Mentionsy Mentionsy
Sii Talks
Sii Talks

Odc. 3: Testowanie rozwiązań AI | #TestArchitectsTalk

09.09.2024 ·43 min 26 s · 10 rozdziałów

Z okazji międzynarodowego Dnia Testera zapraszamy na serię odcinków #TestArchitectsTalk, w której eksperci #SiiPolska odpowiadają na gorące pytania, dzielą się wiedzą i przedstawiają swoje prognozy na przyszłość 🤔 Obejrzyj trzeci odcinek i dowiedz się: ✅ Jaką rolę odgrywa tester w procesie wytwórczym #AI i jakie umiejętności są niezbędne ✅ Jak wyglądają różnice w wymaganiach w poszczególnych fazach projektu ✅ Jak skutecznie podejść do testowania rozwiązań AI Uczestnicy debaty: 🎙️ Mateusz Tadla, Senior Test Architect 🎙️ Remigiusz Bednarczyk, Senior Test & Analysis Engineer 🎙️ Krzysztof Bednarski, Solution Architect 🎙️ Tomasz Kuran, Solution Architect

17:54 · Adversarial attacks i techniki testowania AI 2

Także lista kontrolna, coś co jako testerzy już znamy. Zdecydowanie jeżeli chodzi o testy eksploracyjne, testowanie prowadzone w sesjach, po prostu to co jest dobrą praktyką stosowaną w testach manualnych. Konkretne techniki. Techniki, które też już prawdopodobnie znamy z testowania manualnego, czyli pairwise testing, wspominane przez Krzyśka też, testowanie parami. Kiedy dobieramy sobie konkretne warunki i ich kombinację parami ustawiamy, żeby sprawdzić, czy na pewno pary odpowiednio ze sobą współdziałają. To będzie jakby pierwsza taka technika. Kolejna technika to będzie testowanie A-B. Czyli też nawet tutaj jak słuchałem Was, jak opowiadaliście, to już sobie identyfikowałem.

O dobra, test A-B, test A-B, test A-B. Także to pojęcie się uplastycznia, bo z jednej strony możemy testować Nowszą wersję modelu z obecnie zrealizowaną wersją modelu i sobie porównywać, czy na pewno te zachowania, które zostały zdefiniowane, są zachowane, czy poziom jakości jest zachowany. Ale możemy, tak jak wspomnieliście, model z modelem testować. Bardzo często zresztą, kiedy my chcemy dokonać jakiejś analizy, to używamy do tego modelu właśnie, żeby przetestować model. Także mamy tutaj testy A-B. Myślę, że mogę przejść już do samego meritum i opowiedzieć o jednocześnie najciekawszej technice. Ona może być zarówno zastosowana do machine learningu, jak i do deep learningu, bym powiedział, a byłoby to testowanie metamorficzne.

Pokazano wszystkie 2 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.