Testowanie regresji w erze Internetu przedmiotów i uczenia si¿ maszyn - Patil, Abhinandan
35,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
18 °P sammeln
  • Broschiertes Buch

Ksi¿¿ka ponownie odwiedza testy regresji w ¿wietle testów systemu operacyjnego Internet of Things. Ksi¿¿ka bada koncepcje uczenia si¿ maszynowego stosowane do ogólnych danych testowych Regresja. Ksi¿¿ka jest przeznaczona dla entuzjastów in¿ynierii oprogramowania, testuj¿cych Architektów, którzy chc¿ zbadä zastosowanie koncepcji uczenia si¿ maszyn do testowania. Jako studium przypadku, aby zademonstrowä testowanie systemu operacyjnego "Internet of Things", jeden z systemów operacyjnych jest traktowany jako studium przypadku. Zestawy testów regresji s¿ pisane od podstaw i na nowo tworzone przy…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Ksi¿¿ka ponownie odwiedza testy regresji w ¿wietle testów systemu operacyjnego Internet of Things. Ksi¿¿ka bada koncepcje uczenia si¿ maszynowego stosowane do ogólnych danych testowych Regresja. Ksi¿¿ka jest przeznaczona dla entuzjastów in¿ynierii oprogramowania, testuj¿cych Architektów, którzy chc¿ zbadä zastosowanie koncepcji uczenia si¿ maszyn do testowania. Jako studium przypadku, aby zademonstrowä testowanie systemu operacyjnego "Internet of Things", jeden z systemów operacyjnych jest traktowany jako studium przypadku. Zestawy testów regresji s¿ pisane od podstaw i na nowo tworzone przy u¿yciu wiod¿cego narz¿dzia do projektowania testów. Automatyzacja generowania skryptów testowych jest badana. W celu zademonstrowania koncepcji Machine Learning zastosowanych w testowaniu wykorzystywana jest Weka.
Autorenporträt
Abhinandan H. Patil es el fundador y CTO de la empresa de tecnología en la India, Karnataka. Antes de esto, ha trabajado en Wireless Network Software Organization como Ingeniero de Software Principal durante casi una década. Su investigación está disponible como libros y tesis en IJSER, EE.UU. Es un investigador activo en el campo del aprendizaje automático, aprendizaje profundo y ciencia de los datos.