Submit Search
Upload
画像認識ベースのUI自動化フレームワークを用いた取り組み
•
Download as PPTX, PDF
•
1 like
•
1,052 views
S
Shuhei Furuya
Follow
システムテスト自動化カンファレンス2019登壇資料
Read less
Read more
Report
Share
Report
Share
1 of 17
Download now
Recommended
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
第2回ザッピングセミナー 【タイトル】 機械学習で嘘をつく話 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Chigusa Junichiro
Mobility Technologiesにてtrocco・Lookerをどのように運用しているかについて話しています。
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Dataset Distillationの解説
オブジェクト指向エクササイズのススメ
オブジェクト指向エクササイズのススメ
Yoji Kanno
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
ギルド勉強会で使ったスライド。
テスト分析・設計を体感しよう ~マインドマップを活用してテスト観点を発想しよう
テスト分析・設計を体感しよう ~マインドマップを活用してテスト観点を発想しよう
Akira Ikeda
テスト分析設計についてのワークショップの資料です。 http://swquality.jp/
Recommended
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
第2回ザッピングセミナー 【タイトル】 機械学習で嘘をつく話 【アブストラクト】 「機械学習モデルはブラックボックスで説明ができない」とよく言われます。 このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明法”の研究が活発になされています。本セミナーではこれらの“説明法”を悪用して嘘の説明を作る方法を紹介します。 本セミナーで紹介する手法を絶対に悪用しない、と約束できる方のみ参加をお願いします。
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Chigusa Junichiro
Mobility Technologiesにてtrocco・Lookerをどのように運用しているかについて話しています。
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Dataset Distillationの解説
オブジェクト指向エクササイズのススメ
オブジェクト指向エクササイズのススメ
Yoji Kanno
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
ギルド勉強会で使ったスライド。
テスト分析・設計を体感しよう ~マインドマップを活用してテスト観点を発想しよう
テスト分析・設計を体感しよう ~マインドマップを活用してテスト観点を発想しよう
Akira Ikeda
テスト分析設計についてのワークショップの資料です。 http://swquality.jp/
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
2021年にインフィニットループ社内の新卒向け研修で使われた資料です。
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
Atsushi Nakada
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン(規律)の存在」や「General Electric(GE)やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
例外設計における大罪
例外設計における大罪
Takuto Wada
例外設計における大罪 Jun 27, 2012 @ java-ja
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
Teppei Sato
2021/02/25(木) Node学園 35時限目の発表資料 https://nodejs.connpass.com/event/203464/ Node.js の ES Modules 対応について
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks
Preferred Networks(PFN)は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Cluster API についてもご紹介します。 https://confengine.com/conferences/devopsdays-tokyo-2021/proposal/15203/pfn-mldl-kubernetes
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
鷲崎弘宜, "機械学習デザインパターン(ML Design Patterns)の解説", スマートエスイー & JST未来社会 eAIセミナー: 機械学習デザインパターン, 2021年3月30日
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料) 2020年1月31日 株式会社NTTデータ / NTT DATA Yuki Nishizawa
Python におけるドメイン駆動設計(戦術面)の勘どころ
Python におけるドメイン駆動設計(戦術面)の勘どころ
Junya Hayashi
PyCon JP 2017 発表資料です。
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
Kuniyasu Suzaki
Hardware securityforum2019
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
Yoshitaka Kawashima
JJUG CCC 2018 Fall #ccc_e3
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
Aidemyで公開されている「ビジネスパーソンのためのDX入門講座」の紹介プレゼンです。 以下の講演で発表した資料です https://aidemy.connpass.com/event/197780/
アプリ開発へのOdc分析導入の取り組み
アプリ開発へのOdc分析導入の取り組み
NaokiKashiwagura
QA Online#1で使用した資料です
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
kurikiyo
2012/12/14時点の情報です
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
2018年12月4日 Japan Container Days 講演資料 谷脇大輔 Preferred Networksでは1000個以上のGPUとInfiniBandからなるオンプレミスのクラスターを自社で構築しており、研究者が様々な目的、リソース量、実行時間の機械学習ジョブをKubernetes上で実行して研究成果を出しています。 KubernetesはKubeflowの登場など、機械学習基盤としても非常に注目されている一方で、現実的には未だ発展途上です。 講演では機械学習基盤としてのKubernetesの導入理由、その実用性と将来性、Preferred Networksの挑戦についてお話ししました。
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjug
Itsuki Kuroda
XP祭り2017のセッションのスライドになります。 http://xpjug.com/xp2017-session-a5-1/ 元ネタは以下です。 http://i2key.hateblo.jp/entry/2017/05/15/082655 ※CCPMの表記について一部誤解を与える部分がありましたので、表記を削除いたしました。 2017/09/21 0:27
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
Yasuharu Nishi
しばしばQAと一括りにされる、テストエンジニアとSETとQAを整理してバランスをよくするための「QMファンネル(3D版)」について紹介しています。Scrum Fest Osaka 2021のプレゼンテーション資料です。
それはYAGNIか? それとも思考停止か?
それはYAGNIか? それとも思考停止か?
Yoshitaka Kawashima
DevLOVE X Day1 C-5のセッションです。 ITの活用範囲の広がりとともに、費用・品質よりもデリバリを優先するプロジェクトも増えてきました。しかし「しっかり考えるよりも、作ってリリースしちゃおうぜ、正解なんて誰にも分からないんだから」というマントラを唱えながら、返済見込みの立たない大量の技術的負債を抱える。それが最善の選択なのか、もう少しだけ立ち止まって考えてみませんか? YAGNIという言葉を便利に使いすぎてはいませんか? コードを書きなぐるのと、ちょっと考えて設計して作るのとで、そんなに開発スピードに違いがありますか? 考えてみたいと思います。
最近のSingle Shot系の物体検出のアーキテクチャまとめ
最近のSingle Shot系の物体検出のアーキテクチャまとめ
Yusuke Uchida
Feature Pyramid Networks for Object Detection, CVPR'17の内容と見せかけて、Faster R-CNN, YOLO, SSD系の最近のSingle Shot系の物体検出のアーキテクチャのまとめです。
アジャイルメトリクス実践ガイド
アジャイルメトリクス実践ガイド
Hiroyuki Ito
2017年1月12日(木)に、「Regional Scrum Gathering Tokyo 2017」で発表させていただいた資料です。 http://2017.scrumgatheringtokyo.org/ メトリクスに関する知見を、学術的視点(Agile2016・SQiP2016)および現場での活用事例から整理し、具体的な取得・活用方法を含めて説明しています。 みなさんのメトリクスの習得・活用のプラスになれば幸いです。
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
Kotaro Ogino
システムテスト自動化カンファレンス2013でのLTの発表資料です
Gui自動テストツール基本
Gui自動テストツール基本
Tsuyoshi Yumoto
2013年の資料
More Related Content
What's hot
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
2021年にインフィニットループ社内の新卒向け研修で使われた資料です。
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
Atsushi Nakada
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン(規律)の存在」や「General Electric(GE)やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
例外設計における大罪
例外設計における大罪
Takuto Wada
例外設計における大罪 Jun 27, 2012 @ java-ja
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
Teppei Sato
2021/02/25(木) Node学園 35時限目の発表資料 https://nodejs.connpass.com/event/203464/ Node.js の ES Modules 対応について
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks
Preferred Networks(PFN)は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Cluster API についてもご紹介します。 https://confengine.com/conferences/devopsdays-tokyo-2021/proposal/15203/pfn-mldl-kubernetes
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
鷲崎弘宜, "機械学習デザインパターン(ML Design Patterns)の解説", スマートエスイー & JST未来社会 eAIセミナー: 機械学習デザインパターン, 2021年3月30日
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料) 2020年1月31日 株式会社NTTデータ / NTT DATA Yuki Nishizawa
Python におけるドメイン駆動設計(戦術面)の勘どころ
Python におけるドメイン駆動設計(戦術面)の勘どころ
Junya Hayashi
PyCon JP 2017 発表資料です。
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
Kuniyasu Suzaki
Hardware securityforum2019
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
Yoshitaka Kawashima
JJUG CCC 2018 Fall #ccc_e3
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
Aidemyで公開されている「ビジネスパーソンのためのDX入門講座」の紹介プレゼンです。 以下の講演で発表した資料です https://aidemy.connpass.com/event/197780/
アプリ開発へのOdc分析導入の取り組み
アプリ開発へのOdc分析導入の取り組み
NaokiKashiwagura
QA Online#1で使用した資料です
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
kurikiyo
2012/12/14時点の情報です
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
2018年12月4日 Japan Container Days 講演資料 谷脇大輔 Preferred Networksでは1000個以上のGPUとInfiniBandからなるオンプレミスのクラスターを自社で構築しており、研究者が様々な目的、リソース量、実行時間の機械学習ジョブをKubernetes上で実行して研究成果を出しています。 KubernetesはKubeflowの登場など、機械学習基盤としても非常に注目されている一方で、現実的には未だ発展途上です。 講演では機械学習基盤としてのKubernetesの導入理由、その実用性と将来性、Preferred Networksの挑戦についてお話ししました。
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjug
Itsuki Kuroda
XP祭り2017のセッションのスライドになります。 http://xpjug.com/xp2017-session-a5-1/ 元ネタは以下です。 http://i2key.hateblo.jp/entry/2017/05/15/082655 ※CCPMの表記について一部誤解を与える部分がありましたので、表記を削除いたしました。 2017/09/21 0:27
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
Yasuharu Nishi
しばしばQAと一括りにされる、テストエンジニアとSETとQAを整理してバランスをよくするための「QMファンネル(3D版)」について紹介しています。Scrum Fest Osaka 2021のプレゼンテーション資料です。
それはYAGNIか? それとも思考停止か?
それはYAGNIか? それとも思考停止か?
Yoshitaka Kawashima
DevLOVE X Day1 C-5のセッションです。 ITの活用範囲の広がりとともに、費用・品質よりもデリバリを優先するプロジェクトも増えてきました。しかし「しっかり考えるよりも、作ってリリースしちゃおうぜ、正解なんて誰にも分からないんだから」というマントラを唱えながら、返済見込みの立たない大量の技術的負債を抱える。それが最善の選択なのか、もう少しだけ立ち止まって考えてみませんか? YAGNIという言葉を便利に使いすぎてはいませんか? コードを書きなぐるのと、ちょっと考えて設計して作るのとで、そんなに開発スピードに違いがありますか? 考えてみたいと思います。
最近のSingle Shot系の物体検出のアーキテクチャまとめ
最近のSingle Shot系の物体検出のアーキテクチャまとめ
Yusuke Uchida
Feature Pyramid Networks for Object Detection, CVPR'17の内容と見せかけて、Faster R-CNN, YOLO, SSD系の最近のSingle Shot系の物体検出のアーキテクチャのまとめです。
アジャイルメトリクス実践ガイド
アジャイルメトリクス実践ガイド
Hiroyuki Ito
2017年1月12日(木)に、「Regional Scrum Gathering Tokyo 2017」で発表させていただいた資料です。 http://2017.scrumgatheringtokyo.org/ メトリクスに関する知見を、学術的視点(Agile2016・SQiP2016)および現場での活用事例から整理し、具体的な取得・活用方法を含めて説明しています。 みなさんのメトリクスの習得・活用のプラスになれば幸いです。
What's hot
(20)
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
例外設計における大罪
例外設計における大罪
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
Node.js Native ESM への道 〜最終章: Babel / TypeScript Modules との闘い〜
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
Python におけるドメイン駆動設計(戦術面)の勘どころ
Python におけるドメイン駆動設計(戦術面)の勘どころ
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
3種類のTEE比較(Intel SGX, ARM TrustZone, RISC-V Keystone)
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
思考停止しないアーキテクチャ設計 ➖ JJUG CCC 2018 Fall
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
アプリ開発へのOdc分析導入の取り組み
アプリ開発へのOdc分析導入の取り組み
アップルの特許に見るUI特許のポイント
アップルの特許に見るUI特許のポイント
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
フロー効率性とリソース効率性について #xpjug
フロー効率性とリソース効率性について #xpjug
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
品質を加速させるために、テスターを増やす前から考えるべきQMファンネルの話(3D版)
それはYAGNIか? それとも思考停止か?
それはYAGNIか? それとも思考停止か?
最近のSingle Shot系の物体検出のアーキテクチャまとめ
最近のSingle Shot系の物体検出のアーキテクチャまとめ
アジャイルメトリクス実践ガイド
アジャイルメトリクス実践ガイド
Similar to 画像認識ベースのUI自動化フレームワークを用いた取り組み
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
Kotaro Ogino
システムテスト自動化カンファレンス2013でのLTの発表資料です
Gui自動テストツール基本
Gui自動テストツール基本
Tsuyoshi Yumoto
2013年の資料
ワンクリックデプロイ101 #ocdeploy
ワンクリックデプロイ101 #ocdeploy
Ryutaro YOSHIBA
2011年12月20日に実施したワンクリックデプロイ勉強会の資料です。 http://www.ryuzee.com/
Et west テスト自動化_公開版
Et west テスト自動化_公開版
Noriyuki Mizuno
IT,Automation,Embedded Technology
テスコン2015 チームfujiプレゼン資料
テスコン2015 チームfujiプレゼン資料
ken otabe
ITS fidel
ITS fidel
Fidel Softech P. Ltd
【JaSST'14 Tokyo】システムテストの自動化による 大規模分散検索プラットフォームの 開発工程改善 #JaSST
【JaSST'14 Tokyo】システムテストの自動化による 大規模分散検索プラットフォームの 開発工程改善 #JaSST
Kotaro Ogino
JaSST'14 Tokyo での"システムテストの自動化による大規模分散検索プラットフォームの開発行程改善"という題目の事例発表です。 スライドに入りきらなかったコンセプトについてhttp://kokotatata.hatenablog.com/entry/2014/03/11/104240 に書いています。そちらもご参照ください。 --- 2014/03/08 08:00 文字のレイアウトのずれや配色の問題を修正
Provisioning & Deploy on AWS
Provisioning & Deploy on AWS
Amazon Web Services Japan
AWS Black Belt Tech Webinar 2014 (旧マイスターシリーズ) Provisioning & Deploy on AWS
Ai for software testing
Ai for software testing
真太郎 板垣
STAC 2018
アジャイル×テスト開発を考える
アジャイル×テスト開発を考える
yasuohosotani
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
Shota Suzuki
システムテスト自動化カンファレンス2019 での発表内容です
【システムテスト自動化カンファレンス2015】 楽天の品質改善を加速する継続的システムテストパターン #stac2015
【システムテスト自動化カンファレンス2015】 楽天の品質改善を加速する継続的システムテストパターン #stac2015
Kotaro Ogino
システムテスト自動化カンファレンス2015での発表資料です
開発もQAも自動テスト!「LOST JUDGMENT:裁かれざる記憶」のQAテスター参加で進化した「テスト自動化チーム(仮)」の取り組みについて
開発もQAも自動テスト!「LOST JUDGMENT:裁かれざる記憶」のQAテスター参加で進化した「テスト自動化チーム(仮)」の取り組みについて
SEGADevTech
CEDEC2022の講演資料です。 『開発もQAも自動テスト!「LOST JUDGMENT:裁かれざる記憶」のQAテスター参加で進化した「テスト自動化チーム(仮)」の取り組みについて』 株式会社セガ 第1事業部 阪上直樹 株式会社セガ プロジェクト業務部 門脇 健造 株式会社セガ 開発技術部 粉川貴至
Continuous delivery chapter4
Continuous delivery chapter4
favril1
How to introduce test automation in VeriServe Test Automation Talk #2
How to introduce test automation in VeriServe Test Automation Talk #2
Sadaaki Emura
1st test automation I was app engineer was failed and why failed 2nd test automation I was QA, it was successful , explain why success
受託でもデキるアジャイル開発
受託でもデキるアジャイル開発
Yoshiyuki Ueda
日本は欧米と比較して受託開発へのアジャイル導入が遅れています。現在のダイナミックなビジネス環境にアジャイルは不可欠であることを概念的に理解しているつもりでも導入には様々な障壁が存在します。一方、欧米企業はこのプロセスイノベーションによってITによる企業競争力を高めているのです。100%アジャイルで受託開発を行うCi&Tがグローバル市場での経験から得た受託に適した「契約モデル」、「要求の理解と開発」、「プロジェクトの管理と実行」におけるプラクティスを紹介し、日本においてもこれらが有効であることを解説します。@yoshiyukiueda
失敗から学ぶテスト自動化導入で大切なこと
失敗から学ぶテスト自動化導入で大切なこと
sono susumu
Cybozu Meetup : テスト自動化 https://cybozu.connpass.com/event/83960/ テストをとりあえず自動化してみたけど、継続的に運用ができなかった。 そんな失敗を分析し、テスト自動化をどのように推進しているかを紹介いたします。
Agile at salesforce
Agile at salesforce
Ryoji Osawa
19-B-4 開発品質向上のための、ASQ/ALMソリューション
19-B-4 開発品質向上のための、ASQ/ALMソリューション
Developers Summit
Q te cc2
Q te cc2
Fujie Teppei
ゲームにおけるQA体制の事例です
Similar to 画像認識ベースのUI自動化フレームワークを用いた取り組み
(20)
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
【システムテスト自動化カンファレンス2013 LT】 Data Driven Development (仮)
Gui自動テストツール基本
Gui自動テストツール基本
ワンクリックデプロイ101 #ocdeploy
ワンクリックデプロイ101 #ocdeploy
Et west テスト自動化_公開版
Et west テスト自動化_公開版
テスコン2015 チームfujiプレゼン資料
テスコン2015 チームfujiプレゼン資料
ITS fidel
ITS fidel
【JaSST'14 Tokyo】システムテストの自動化による 大規模分散検索プラットフォームの 開発工程改善 #JaSST
【JaSST'14 Tokyo】システムテストの自動化による 大規模分散検索プラットフォームの 開発工程改善 #JaSST
Provisioning & Deploy on AWS
Provisioning & Deploy on AWS
Ai for software testing
Ai for software testing
アジャイル×テスト開発を考える
アジャイル×テスト開発を考える
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
【システムテスト自動化カンファレンス2015】 楽天の品質改善を加速する継続的システムテストパターン #stac2015
【システムテスト自動化カンファレンス2015】 楽天の品質改善を加速する継続的システムテストパターン #stac2015
開発もQAも自動テスト!「LOST JUDGMENT:裁かれざる記憶」のQAテスター参加で進化した「テスト自動化チーム(仮)」の取り組みについて
開発もQAも自動テスト!「LOST JUDGMENT:裁かれざる記憶」のQAテスター参加で進化した「テスト自動化チーム(仮)」の取り組みについて
Continuous delivery chapter4
Continuous delivery chapter4
How to introduce test automation in VeriServe Test Automation Talk #2
How to introduce test automation in VeriServe Test Automation Talk #2
受託でもデキるアジャイル開発
受託でもデキるアジャイル開発
失敗から学ぶテスト自動化導入で大切なこと
失敗から学ぶテスト自動化導入で大切なこと
Agile at salesforce
Agile at salesforce
19-B-4 開発品質向上のための、ASQ/ALMソリューション
19-B-4 開発品質向上のための、ASQ/ALMソリューション
Q te cc2
Q te cc2
画像認識ベースのUI自動化フレームワークを用いた取り組み
1.
画像認識ベースの UI自動化フレームワークを 用いた取り組み 古屋秀平 システム本部品質統括部品質管理部リリースサポートG 株式会社ディー・エヌ・エー
2.
目次 自己紹介 検証自動化の取り組みの背景 Airtestについて 1 2 3 まとめ 4 2 ツール選定 アウトプット事例5 6
3.
自己紹介 • 古屋 秀平(ふるや
しゅうへい) ・経歴 • 第3世代移動体通信網の開発 • 大手法人向けERPパッケージベンダー • 2015/3に株式会社ディー・エヌ・エー入社 • 現在は品質管理部リリーサポートGにて • Apple・Googleガイドライン • ガチャCESAガイドライン • 検証の技術的サポート • 検証自動化推進 3
4.
検証自動化の取り組みの背景 • マニュアルでのテストがメイン • テストケース数の増大 •
コストの増大 • 検証効率化の必要性の高まり • 自動化で実現できないだろうか • 2019/4〜 QA主導での自動化を推進する 「QA Evolution(QAE)」チームを立ち上げ 4
5.
検証自動化の取り組みの背景 • SWET( Software
Engineer in Test )との違い • SWET:開発工程の品質向上にコミット • QAE :検証工程における検証効率化・品質向上にコミット 5
6.
検証自動化の取り組みの背景 検証自動化で目指したいこと • 対象領域はE2Eテスト • 繰り返し行うテストを自動化 (コスト削減) •
マニュアル検証では実現が困難な検証を自動化で実現し 品質向上につなげる 6
7.
ツール選定 • スクリプト作成を加速させたい • 検証を担当しているメンバーが自動化を実現できるような仕組みにしたい •
直感的な記述 • 実行速度 • 解像度変更への対応 • ゲーム領域への対応 • OSSであること • 自分たちで実現したい機能を実現する 7
8.
ツール選定 • スクリプト作成を加速させたい • 検証を担当しているメンバーが自動化を実現できるような仕組みにしたい •
直感的な記述 • 実行速度 • 解像度変更への対応 • ゲーム領域への対応 • OSSであること • 自分たちで実現したい機能を実現する 8 Airtestに決定
9.
Airtestについて • NetEase社が公開 • 画像認識で操作することが可能 •
専用のIDEが提供されている • 実行環境のセットアップが容易(Mac,Windows,Ubuntu対応) • 直感的な記述 • 例:「touch(画像)」 • Apache License 2.0 • Pythonで実装されている 9
10.
アウトプット事例 10
11.
アウトプット事例(タクシー配車アプリ「MOV(モブ)」 ) 11 発表時は動画を埋め込んでいましたが、こちらでは再生されないので、 https://youtu.be/ilc4j5WYW30からご覧ください
12.
アウトプット事例(タクシー配車アプリ「MOV(モブ)」 ) 12 • 「配車依頼-迎車-乗車-支払」までのフローを自動実行 •
複数台の端末に対して1スクリプトでシーケンシャルに実行 • iOS・Android混在した形で実行 • 以下の画像以外は同一スクリプトでiOS・Androidの両OSで実行可能だった • 弊社エンジニアブログに投稿(検索キーワード「DeNA 検証自動化」) https://engineer.dena.jp/2019/09/qa-auto-1.html
13.
アウトプット事例(多端末でのAndroid検証) • デバイスファームとの連携 • RemoteTestKit •
そもそもは端末不足対策で導入 • カメラ機能検証で300台実行(スクリプト実行時間 1.5分/台) • 任意に設定したホワイトリストに対しても実行可能 (シェア率の高い端末を指定など) • 開発側もアカウントを所有することで物理的な端末のやり取りを 不要とすることが可能になり、修正のPDCAサイクルの高速化に期待 • HeadSpin • パフォーマンス測定に利用予定 13
14.
アウトプット事例(多端末でのAndroid検証) 14 ・画像認識のみのアプローチでは難しいケース ( 「adb shell
pm grant package_name permission」 でスキップ可)
15.
まとめ • Airtest自体はいいと思います • 関係者に自動化でできること・できないことを知ってもらう •
瞬間的な確認は難しい • アニメーションなどの動きのある確認は難しい • 対象のアプリ毎にスコープを明確にして進めていくことが重要 • 自動化が出せるメリットの対象を見極める • スモールアウトプットを行い、自動化の可能性を感じてもらう • お互いに前向きに取り組んでいける関係性を構築していく 15
16.
DeNA QA Night 16 まとめ QAEの採用ページをぜひご覧いただき にもぜひお越し下さい
17.
ご静聴 ありがとうございました 17
Download now