首页>会议文档 >

欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升

page:
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升
欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升

欧特克(中国)软件张珣 - 基于机器学习的可持续质量提升

所属会议:TiD 2017质量竞争力大会会议地点:北京


下载

手机看
活动家APP客户端

扫二维码下载
或点击下载
Android iOS

7702次
浏览次数
TiD 2017质量竞争力大会所有文档 网易 吕广川 - 具有骑士精神的领导者 vmware 韩东海 - 软件工程师领导力培养 软通大学校长黄岩 - 软通大学演讲 软协论坛:致盛领导力TM 明略数据宫载军 - 匠心 - 融入团队血液的质量意识 孙松涛 - 统御至诚 项目管理者联盟 宣晓锋 - 项目集管理Program Management IBM 管玟玲 - 超乎魔法 -- IBM简化不敏捷转型之路 Linda Rising - Introducing myths Linda Rising - Myths and Patterns of Organizational Change 中英对照 中科院上海 宁德军 - 下一代软件工程中的数据智能研究和实践 开源项目云框架 田夜雨 - 云框架,即插即用的云端技术框架 开源之道 李建盛 - 开发者与开源社区 优麒麟李睿 - 开源促进技术提升 禅道之父王春生 - 开源软件协议之争 刘天栋 - 企业开源治理的实践与案例 李建昊 - 体系的崛起——Essential SAFe的元素、度量和案例 IBM 赵卫 - 大规模敏捷的本质 资深精益产品开发顾问何勉 - 第一性原理和规模化精益敏捷实施 ThoughtWorks 薛梅 - 规模化敏捷驱动非产品开发领域的精益变革 阿里巴巴 马莉 - 合纵连横-战略级业务的项目管理打法 ThoughtWorks 史凯 - 后ERP时代的数据赋能 Agilean 吴穹 - 利用精益看板来管理不确定性、战胜稀缺心态 ThoughtWorks 黄邦伟 - 迈向下一代敏捷之路 腾讯 牟翠翠 - 敏捷模式下的质量管理 北航 周伯生 - 纵观中国软件过程改进三十年 麦哲思 任甲林 - CCEP for COSMIC产品简介 赛宝 吴小庆 - 基准比对方法促进过程改进 中兴通讯 施娅莹 - 精准度量协助项目敏捷转型公开版 Hi-Agile 郑立 - 敏捷模式下的成本和效率度量 中国石油 林嵩 - 大数据如何为能源行业带来价值 楚天云 汪萍 - 大数据资产管理及大数据应用全流程管理体系 竞技世界 巴川 - 数据挖掘中的敏捷与精益 Teradata 杨顺生 - 在大数据应用爆炸的年代 中兴 张雪敏 - 自助式数据分析平台助力项目量化项目管理 ThoughtWorks 季炜、李昂 - 1to100设计思维进行精益创新 笪磊、周文烨 - Adaptive Leadership(TiD) cloud native org Linda Rising - Influence Strategies for Practitioners ThoughtWorks刘传湘 - TID平台崛起 华为敏捷教练陈光镜 - 大型团队如何持续快速交付价值 平安科技古月 - 工作坊-打造焦点解决型敏捷团队 百联电子黄灵 - 企业场景的非暴力沟通应用 ThoughtWorks黄亮、伍斌 - 微服务的自动化测试 资深敏捷教练姜信宝 - 勇敢者游戏 缪伟,王玲 - 终端软件重构之旅 微软中国 姜英 - 大数据平台和AI应用实践经验分享,以微软Azure平台为例 终端自动化系统演进之路-朱磊 饿了么邱化峰 - 自动化接口测试在饿了么的实践之路 华为 孙远 - 利用Docker生态开源软件构建容器化测试平台 甄诚、翁晓霞 - 软件过程数据建设 性能测试过程实践_曹承臻 360Qtest 付海涛 - 360性能测试平台的技术探索与实践 ebay中国 茹炳晟 - 测试基础架构最佳实践 京东张琪 - 测试团队管理实战 翁晓霞甄诚 - 场景化数据应用实践 Autodesk巨霞、钱颖 - 大规模并行处理:崩溃前知道你已到达的高度 华为 孔德晋 - 大规模敏捷下的测试管理 ztesoft程海明 - 高效构建企业级精准测试体系 北大软件 马森、高庆 - 基于静态分析的程序缺陷自动检测与自动修复技术 云计价 姚慧、吕海霞 - B类产品用户体验度量及过程改进践行之路 牛培生 - 创造力和创新思维引导 用友罗涛 - 过程改进中的那些游戏 中软国际 宋丹 - 换个维度玩转项目 京东 刘健 - 快速发布环境中的质量管理 国际专业认证引导师CPF王柔闵 - 306B-设计思维实践 独立咨询师师津锦 - 设计思维 IBM 吴舜贤 - 一念之间-设计思维实践的10个认知误区 京东 王立杰 - 用设计思维打造极致产品用户体验 IBM 张荷芳 - 用设计思维唤醒团队活力和创造力 携程 杨春勤 - OK制、OKR、投名状——携程地上交通业务群高效创业三利器 国际项目管理评估师陈和兰 - 产品管理绩效测量与分解 京东 熊志男 - 京东商城代码质量平台建设实践 蚂蚁金服 李大伟 - 快速、低风险、高可用的软件发布过程探索 58集团 许晨 - 碰撞与融合(组织变革下的敏捷团队培养) 数梦工场 王玉鹏 - 数梦研发质量看板—一站式解决度量问题 腾讯 方亮 - 腾讯亿级手游的高品质之道 腾讯 王鹏 - 腾讯游戏服务器质量管理策略与实践 携程Scrum Master马力 - 携程酒店无线敏捷转型之路 京东 宋宁 - 重新定义你的会议 ThoughtWorks 林冰玉 - 生产环境下的QA 中移(苏州)软件孙小霞-会后-基于容器的持续交付过程建设实践 腾讯 王德宝 - 腾讯大数据测试实践 京东 朱月飞 - 图测-如何打造快速低成本的自动化测试 华为 唐硕 - 云化下系统可靠性测试实践 广联达科技研发中心 王妍 - 云质量平台的演进 东软集团 殷坤 - 自动化测试团队的生存之道 网易 王浩 - 安卓APP性能测试实践与思考 IBM z/OS部门 周运杰 - 测试工具开发中的持续集成与持续交付实践 TMMi 任亮 - 测试组织提高过程能力的最佳实践 华为 崔忠峰 - 持续交付流水线支撑解决方案级敏捷 去哪儿网王海军 - 打通IOS自动化的任督二脉 华为丁国富 - 大规模集成开源代码的项目测试保障实践 synopsys 韩葆 - 主流研发团队的工程效率与质量安全提升实战 北大软件 马森 - 基于静态分析的程序缺陷自动发现技术 ThoughtWorks 闫思语 - 基于云的规模化测试实践 京东 王晓琦 - 快速迭代下的质量交付闭环 中兴通讯 王岭 - 类自然语言进行Android自动化测试 去哪儿网范留杰_基于埋点的接口自动化框架 百度钱承君 - 人工智能产品:质量保障方案探索 巨鼎医疗陈鹏 - Mock技术在智慧医疗测试领域的应用 用友网络 陆家骏 - 303A云化配置的自组织团队 Cisco 刘歌 - Agile is all about people Linda Rising - Moral Foundations 北京美智美家 王思予 - 产品设计与敏捷实践 臻云科技 任党恩 - 超大规模性能测试的云端方案及案例分享 中兴 秦可、苏春山 - 大规模敏捷最难的点 BBD 王尧 - 大数据平台之数据质量管理实践 中兴通讯 苏海燕 - 基于需求实例化的ATDD技术改进实践 ThoughtWorks 刘尚奇 - 解析区块链 爱立信 杨志昂 - 敏捷-从巨婴到成人的洗礼 敏捷教练刘丛 - 敏始于人,竭心成长——人在敏捷变革 汽车之家张晓丽 - 汽车之家敏捷转型之路 广联达张鹏峰 - 随需而变,顺势而为 网易 张孙恩 - 网易大数据创业初期如何从0到1 网易 曹靓 - 网易企业级SaaS产品的精益之路 东软集团 邢雷 - 新趋势新过程新教练 LeSS(大规模敏捷)专家申健 - 研发管理,你需要教练式领导力 中兴通讯 王辉 - 遗留系统设计演进实践 中国银行软件中心 于洪奎-舰船在行动-大型企业开发部门敏捷转型实践分享 竞技世界 仲维国 - 在线游戏企业安全建设之路 欣奔敏捷软件 张克强-用户故事定位 中兴通讯 佘香玲 - 终端产品端到端精益价值交付 航天信息股份有限公司 范钢 - 重构:高质量产品的保证 宜人贷Scrum Master洪临 - 组织级敏捷转型 平安科技古月 - 作战室的故事

文档介绍

Hero product is facing fast iteration and high quality which request next generation of ongoing testing strategy which is based on machine learning of big data analysis to enhance quality shape which is benefit to entire Engineering team. The key outputs for such machine learning based big data analysis can help QA team to ensure sustainable quality improvement in term of: Smart defect and new function iteration rating, Dynamically quality rating, Smart indicate current high risk areas and Smart generate MTBF calculating, etc.

×

打开微信扫一扫,分享到朋友圈