本文大概
2429
字
讀完共需
7
分鐘
| 由于時長限制，想聽完整音頻請點擊'閱讀原文'
學到課堂 | 第一期
課程主題
測試工程師如何迎接AI時代的挑戰(zhàn)
主講人
林應(yīng)
針對人群
- 測試工程師
- AI愛好者
- 初級Pythonista
學到課堂
專注于精品測試課程、AI課程以及基本架構(gòu)課程
目錄
一、測試工程師為什么要學編程
二、應(yīng)該抱著什么目的學
三、為什么選Python作為入門語言
四、Python學習內(nèi)容和路線
五、自學者如何積累實踐經(jīng)驗
六、編程學習經(jīng)驗分享和小建議
七、網(wǎng)上資料推薦
八、提問環(huán)節(jié)部分摘要
隨著人工智能的發(fā)展，AI的普及勢必會取代簡單和重復(fù)的勞動力，根據(jù)林應(yīng)老師在微軟、阿里等工作的實際工作經(jīng)驗，如今的測試團隊都在面臨重組。測試工程師若沒有技術(shù)優(yōu)勢，就難以在AI時代里生存下來。
從理論到實踐，林應(yīng)老師從多個方面講述測試工程師應(yīng)有的思維方式和實踐精神。
1
測試工程師為什么要學編程
技術(shù)更迭的需求
和傳統(tǒng)的軟件開發(fā)不同，AI時代的開發(fā)和測試會越來越密集地融合成一體，機器學習算法模型的生成就包括開發(fā)和測試兩個階段。對于測試工程師來說，如果不介入開發(fā)，后面所做的測試工作就會很容易脫離生產(chǎn)實際。
沖破測試工作的局限性
應(yīng)用場景的測試比較低端，屬于重復(fù)性和單一的工作，而了解編程和人工智能，就可以從早期模型的階段進行評估的工作，擺脫體力勞動者的角色。
提高日常工作效率
即便你只是做最普通的測試工作，學會編程也可以提升工作效率，提升個人優(yōu)勢。比如通過寫腳本記錄重復(fù)勞動的過程，就可以通過自動化腳本實現(xiàn)大量的數(shù)據(jù)優(yōu)化和場景構(gòu)造。
避免被團隊邊緣化
以林應(yīng)老師在淘寶的實際工作經(jīng)驗，目前技術(shù)團隊的構(gòu)造上，每個人都承擔著多重角色，測試如果完全不懂開發(fā)，很容易會被邊緣化。
薪資會告訴你答案
即便在實際工作中并沒有太多自動化的場景，但資本家和市場的偏好依然希望測試工程師擁有編程的知識，這些都會在面試和薪資里體現(xiàn)出來。
2
應(yīng)該抱著什么目的學
看懂代碼
訓(xùn)練自己看代碼的能力，有能力看懂別人的代碼和找到bug。
培養(yǎng)專業(yè)度
通過很多技術(shù)文章和專業(yè)書籍，在討論的時候可以讓別人感受到你的專業(yè)度，在面試的時候同樣具有優(yōu)勢，可以更容易打動面試官。
3
為什么選Python作為入門語言
入門更快
一般來說，只要先看兩個小時文檔，就可以寫一些像樣的東西出來。相比較于C++的語言，學習曲線更加平緩，對于自學者來說非常友好。
快速形成生產(chǎn)力
Python的應(yīng)用非常廣泛，在數(shù)據(jù)分析、機器學習領(lǐng)域、爬蟲、自動化……都有著廣泛的運用，因此在學習之后能快速看到效果。
學習素材豐富
網(wǎng)上的學習資料豐富，成系統(tǒng)的教材很多。
（關(guān)注公眾號并回復(fù)“測試工程師”，領(lǐng)取課件及學習資料）
龐大的擴展庫
Python有很多高質(zhì)量的標準庫和第三方庫。
大量的工作崗位
市場上有大量的工作崗位需求：自動化測試、自動化運維……你甚至只要具備轉(zhuǎn)化業(yè)務(wù)流程的能力，而無需了解Python的方方面面。
4
Python學習內(nèi)容和路線
基礎(chǔ)知識
了解循環(huán)、判斷、容器、類、方法、面向?qū)ο蟆?，掌握概念和用法?/p>
常用算法
掌握二分法，動態(tài)規(guī)劃等一些基本的算法，并嘗試實際應(yīng)用場景中練習。
爬蟲
作為開發(fā)和測試過程中的重要工具，爬蟲在http請求處理、靜態(tài)頁面解析、動態(tài)頁面抓取都有應(yīng)用。
數(shù)據(jù)分析
初期可以利用爬蟲從互聯(lián)網(wǎng)獲取的數(shù)據(jù)進行分析，使用numpy和pandas之類的工具包進行分析。雖然numpy和pandas的功能很多，但在實際使用中并沒有那么復(fù)雜。主要是在掌握線性代數(shù)的一些基本知識，在了解了基本使用方法之后，可以根據(jù)實際需求在網(wǎng)上找對應(yīng)的函數(shù)。
基本機器學習算法
推薦使用scikit-learn，通過看庫的文檔了解算法的名稱以及實際的使用場景之后，在運用時可以直接調(diào)取庫，就可以自己去完成很多機器學習相關(guān)的功能了。
神經(jīng)網(wǎng)絡(luò)
嘗試利用tensorflow搭建一個神經(jīng)網(wǎng)絡(luò)，只需在電腦上裝一個tensorflow的CPU版本，自己就可以訓(xùn)練一些簡單的模型。
5
自學者如何積累實踐經(jīng)驗
吸取他人經(jīng)驗
網(wǎng)上的教材和現(xiàn)有的案例教你如何做分析，從別人的經(jīng)驗中找靈感。
參與開源項目
在github上有大量的機會開源項目供自學并積累工作經(jīng)驗。
啟動自己的項目
在網(wǎng)上寫爬蟲抓取大量的數(shù)據(jù)進行分析，做自己的項目。
-豆瓣電影，評分預(yù)測
-鏈家數(shù)據(jù)，房價曲線圖
參與網(wǎng)絡(luò)競賽
Kaggle或者天池，參與競賽，使用現(xiàn)有的數(shù)據(jù)練習。
6
編程學習經(jīng)驗分享和小建議
·注重實練，動手敲代碼。
·舍得花時間，量變產(chǎn)生質(zhì)變。
·記錄并整理優(yōu)秀的學習素材和案例，隨時參考。
·生成自己的代碼庫，隨時調(diào)取。
7
網(wǎng)上資料推薦
廖雪峰的Python教程
刷題訓(xùn)練：lintcode 部分參考答案
電子書
- Python數(shù)據(jù)分析（Python for Data Analysis）
- 機器學習實戰(zhàn)
- 游戲開發(fā)中的人工智能
莫煩的個人網(wǎng)站
寒小陽的博客
編程遇到問題強烈推薦去stackoverflow
8
提問環(huán)節(jié)部分摘要
Q:測試機器學習模型有什么思路？
A:根據(jù)生產(chǎn)需要，考慮各種因素干擾。比如人臉識別，面臨不同人種，需要有不同的模型；面臨不同的應(yīng)用環(huán)境，測試模型的效用并進行取舍。
Q:在測試執(zhí)行中，有應(yīng)用場景了嗎？
A:機器學習產(chǎn)生結(jié)果的不確定性，針對這種不確定性而產(chǎn)生的隨機性，來進行測試，同時要考慮到極端情況。比如游戲中的追逐場景，要保存所有的隨機路徑，然后根據(jù)這些數(shù)據(jù)進行測試。
Q:如何參與Java開發(fā)？
A:Java的代碼比較易懂，如果只是參與，從看代碼和找問題中著手比較簡單。
Q:對于“機器翻譯”翻譯質(zhì)量的評測？
A:主要是抽檢和眾包的方式，翻譯的質(zhì)量是一個持續(xù)改進的過程。
Q:圖片壓縮清晰度的測試？
A:主要靠人的直觀感受和自動化測試相結(jié)合，可以對壓縮前后的圖片進行近似度判斷，接入人臉識別算法等進行輔助測試。
Q:自動化測試怎么學？
A:學好基本的編程和單元測試框架的應(yīng)用，結(jié)合相應(yīng)的應(yīng)用環(huán)境，通過性能測試等逐漸積累經(jīng)驗。最重要的是結(jié)合業(yè)務(wù)場景，多做應(yīng)用。
