内容简介:DevOps 的技术精进与落地实施, 需要产学研共同的努力。机会来了,来自清华、复旦、同济的三位国内顶级学术派专家将为你奉上最前沿的 DevOps 技术理论研究成果。
DevOps 的技术精进与落地实施, 需要产学研共同的努力。
机会来了,来自清华、复旦、同济的三位国内顶级学术派专家将为你奉上最前沿的 DevOps 技术理论研究成果。
清华大学《 浅谈知识工程赋能测试智能:需求挑战与实践探索 》
软件系统规模越来越大,结构复杂技术多样、运行环境动态多变、错误种类繁多表现各异,在软件设计、实现、运行、维护全过程的代码、日志、文档等大量数据中,发现和定位系统异常如同大海捞针。
"测试智能"意味着快速、准确、可靠地检测和判定故障的能力,包括深入理解软件行为、高效生成检测案例、准确识别系统缺陷等。 计算智能、感知智能和认知智能通常被认为是计算机系统智能的三个层次。知识表达和运用是认知智能的关键,也是提升测试自动化 工具 理解和分析软件行为和故障模式的基础。
在前期研究中,我们探索了将知识工程的方法和技术,引入传统的模型驱动测试自动化的过程,即:通过知识表达,提高软件可测试性设计;采用知识理解和推理技术,改进测试生成算法、提高测试预言的能力;软件迭代开发、演化的过程,亦是软件数据约束、行为规则、故障模式等测试知识的持续学习和积累、测试智能不断增强的过程。本报告将结合服务化软件测试的相关研究与实践,探讨语义建模技术在测试自动化、智能化的应用。
白晓颖
清华大学计算机系 副教授
白晓颖,清华大学计算机系副教授。2001年博士毕业于美国亚利桑那州立大学,主要研究方向计算机软件,包括模型驱动测试自动化、服务计算、云计算、区块链等。在相关领域重要的国内外期刊会议上发表论文120余篇,担任多个国际学术会议或研讨会的程序委员会主席委员,长期承担多个国内外期刊的编委和审稿工作。获得多项国家发明专利及软件著作权。
作为项目负责人主持承担了20余项国家、国际、及省部级科研项目,曾获国防科技进步二等奖、中航工业集团一等奖。
复旦大学《基于代码大数据的软件开发质量追溯体系》
制造业、农业等行业已经广泛建立了产品质量追溯体系。软件作为一种逻辑制品,其组成成分难以明确辨识、开发过程可见性差,导致软件行业难以建立相应的产品质量追溯体系,产品演化决策及过程难以追溯、质量问题根因难以明确、影响范围难以定位等问题突出。
基于软件代码、版本库、运行日志等制品、过程和运行时数据建立的代码大数据平台通过各种程序及数据分析能力建立覆盖软件开发、演化及运行全过程的大数据基础平台,为软件开发质量追溯体系的建立打下了基础。
本次报告将在问题分析的基础上,介绍我们在相关方面的思考和一些初步实践,并对未来的发展进行展望。
演讲提纲:
一、软件开发质量追溯体系的含义及其应用场景
二、软件开发质量追溯的基本问题和技术困难
三、基于代码大数据的软件开发质量追溯方案
四、代码大数据平台建设及相关技术问题
五、未来展望
彭鑫
复旦大学软件学院 副院长/教授
彭鑫,复旦大学软件学院副院长、教授、博士生导师,复旦大学智能化软件开发研究团队 CodeWisdom 负责人。中国计算机学会( CCF )软件工程专委委员、上海分部执委、 CCFYOCSEF 上海 2016-2017 主席、《软件学报》编委、《 EmpiricalSoftware Engineering 》编委、 IEEE 软件维护与演化国际会议( ICSME )执委。
主要研究方向包括智能化软件开发、软件维护与演化、移动计算与云计算等,在 ICSE 、 FSE 、 ASE 、 CSCW 、 ICSME 、 SANER 、 RE 等软件工程及相关领域高水平国际会议及 IEEE/ACMTransactions 等国际期刊发表论文 60 余篇。 研究工作获得 ICSM2011 最佳论文奖、 ACMSIGSOFT 杰出论文奖( ASE2018 )、 IEEETCSE 杰出论文奖( ICSME2018 )。
2016 年获得东软 -NASAC 青年软件创新奖。担任 ICGSE2014 及 ICSME2017 组委会主席、 Internetware2017 及 ICSR2019 程序委员会主席、 ASE2019 Journal First Co-Chair ,以及 ICSE ( SEIP Track )、 FSE ( Tool Demo )、 ASE 、 ICSME 、 SANER 、 RE 等会议程序委员会委员。
同济大学《如何打造业务驱动的 DevOps 智能闭环?》
当今软件研发正从敏捷延伸到DevOps,更加融合软件研发和运维,以加快软件交付的速度,并提高软件服务的质量和效率,所有这一切努力都是为了业务的提升。
同时,许多企业在这方面过度理解了敏捷宣言,对需求的投入不够,需求模糊不清、需求变更频繁,需求往往成为制约DevOps的瓶颈,但需求是软件研发的源头,而且也是连接研发和运维的关键一环。本演讲侧重从需求工程出发讨论DevOps闭环,并引入AI技术更好地实现整个闭环的自动化。
演讲提纲:
一、业界对敏捷、DevOps的误解
二、目前业界在实施敏捷、DevOps过程中突出的主要问题
三、如何解决其中关键问题?需求工程是一个切入点
四、AI更有助于我们更好地理解业务需求、代码和质量
五、从需求开始,逐步构成一个良好的业务驱动的DevOps闭环
六、进一步形成DevOps智能框架
朱少民
同济大学软件学院 教授
国内知名测试专家。近三十年来一直从事软件工程、质量管理等工作,先后获得安徽省、机械工业部、青岛市、合肥市等多项科技进步奖,出版了十多部著作,如《软件测试方法和技术(第3版)》、《软件测试--基于问题驱动模式》、《全程软件测试(第3版)》等。
近5年帮助国内近百家企业提升其软件研发能力水平,并经常在国内外学术会议或技术大会上发表演讲,曾担任IEEE ICST 2019工业论坛主席、两届MTSC大会联席主席、中国软件测试大会和Top 100 Summit等测试专题出品人等,之前曾任思科(中国)软件有限公司QA高级总监。
DevOps 国际峰会是国内唯一覆盖 DevOps 全领域的技术大会,包括:精益与敏捷、持续交付/自动化测试、技术运营、高可用架构与微服务、DevSecOps、组织与文化。近70个议题涵盖金融、通信、互联网等行业。
大会介绍视频(建议在WIFI环境下观看)
▼
大会主题曲MV(一人我IT醉)
▼
本次大会另一亮点(蚂蚁金服 DevOps 专场介绍)
▼
约不约?
一起来看“大人物”
再次奉上完整日程
点击 阅读原文 ,了解7月5日,DevOps 国际峰会·北京站
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 姚班天才少年鬲融凭非凸优化研究成果获得斯隆研究奖
- Jeff Dean撰文:谷歌AI 2018研究成果汇总
- 一张照片生成人物动画!三星最新AI研究成果出炉
- 机器学习的最新研究成果很少转化成商业产品,是真的吗?
- Google大脑最新研究成果:使用强化学习实现动态系统的韧性计算
- 可应用于实际的14个NLP突破性研究成果(一)
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Algorithms in Java, Part 5
Robert Sedgewick / Addison-Wesley Professional / 2003-7-25 / USD 54.99
Algorithms in Java, Third Edition, Part 5: Graph Algorithms is the second book in Sedgewick's thoroughly revised and rewritten series. The first book, Parts 1-4, addresses fundamental algorithms, data......一起来看看 《Algorithms in Java, Part 5》 这本书的介绍吧!