×
ribbon

آموزش تست جعبه سیاه و جعبه سفید

مدرس:Coursera

Michael W. WhalenKevin Wendt

لازم به ذکر است زیرنویس این دوره توسط هوش مصنوعی انجام شده است.با گذراندن دوره آموزش تست جعبه... بیشتر
زیرنویس
4 (1)
166دانشجو
5ساعت
سرفصل‌ها
متوسط سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

چگونگی ارزیابی قابلیت تست‌پذیری الزامات

نحوه تعریف واحدهای قابل تست در مشخصات برنامه

انتخاب و اعمال روش‌های انتخاب ورودی تست جعبه سیاه

نحوه توسعه تست‌های خودکار و اوراکل‌های تست برای تأیید خودکار نرم‌افزار

این دوره شامل:

5 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

4 فصل39 جلسه5 ساعت ویدیو
مقدمه
  مقدمه‌ای بر انتخاب تست و کفایت تست
06:31
  تعهدات تست چیست؟
12:00
  عوامل مؤثر بر اثربخشی تست
09:53
  ساختار برنامه: دسترس‌پذیری و مشاهده‌پذیری
08:29
  بازنگری در تست جهش
06:08
  ساختار برنامه و یافتن خطا
06:28
  اوراکل‌های تست
09:15
  اوراکل‌ها و یافتن خطا
08:23
تکنیک‌های جعبه سیاه و سفید
  آزمایش پارتیشن بندی
10:30
  آزمایش ترکیبی
12:54
  پوشش الزامات
07:17
  مقدمه ای بر تکنیک های تست جعبه سفید
12:08
  معیارهای پوشش کد: اصطلاحات
05:46
  معیارهای پوشش کد: پوشش بیانیه
04:10
  معیارهای پوشش کد: پوشش شاخه
04:34
  معیارهای پوشش کد: پوشش تصمیم
03:59
  معیارهای پوشش کد: MC/DC
10:12
  مثال MC/DC
06:37
  معیارهای پوشش کد: OMC/DC
12:50
  معیارهای پوشش کد: مقدار مرزی
06:40
  استراتژی های تست جهش
06:12
  معیارهای تست و اثربخشی مجموعه تست
09:42
تست مبتنی بر الزامات
  الزامات نگارش برای قابلیت تست پذیری
03:42
  الزامات نامناسب برای قابلیت تس پذیری
03:00
  نوشتن موارد آزمایشی برای الزامات
03:32
  الزامات "ثابت" برای قابلیت تست پذیری
02:07
  آشنایی با داستان های کاربر و توسعه مبتنی بر رفتار
08:45
  Cucumber و Gherkin: یک نمای کلی
06:03
  دموی Cucumber
05:39
  Cucumber و Gherkin: چگونه کار می کند؟
09:11
  آموزش مقدماتی عبارات منظم
12:16
  عبارات منظم و تست با خیار
04:05
انجام تست جعبه سیاه و سفید با Cucumber
  نقشه‌برداری از داستان‌های کاربر: مثال مایکروویو
07:56
  نصب خیار و پیکربندی پروژه Eclipse
10:21
  ایجاد سناریوهای Gherkin و تعاریف گام
11:27
  استفاده از لیست‌ها
10:40
  استفاده از جداول داده
19:46
  کار با طرح کلی سناریو و مثال‌ها
06:48
  Cucumber و پوشش کد
12:54

پیش‌نیاز‌ها

برای درک و استفاده بهتر از این دوره آشنایی با یک زبان برنامه‌نویسی شی‌گرا مانند جاوا، و نصب IDE (برای مثال Eclipse) و اصطلاحات تخصصی Testing الزامیست.

توضیحات دوره

لازم به ذکر است زیرنویس این دوره توسط هوش مصنوعی انجام شده‌است.

با گذراندن دوره آموزش تست جعبه سیاه و جعبه سفید با زیرنویس ماشینی، فراگیران با طیف وسیعی از تکنیک‌های تست جعبه سیاه و جعبه سفید آشنا خواهند شد. این دانش را در عمل به کار خواهند بست و مجموعه‌های مؤثر از موارد تست (که به آن «مجموعه تست» گفته می‌شود) را برای اجرای صحیح نرم‌افزار و یافتن نقص، ایجاد خواهند کرد.

همچنین، الزامات مرتبط با قابلیت تست‌شدن را بررسی کرده، یک اوراکل (ارائه کننده خروجی صحیح) برای تست خودکار ایجاد خواهند کرد. علاوه بر این، اثربخشی مجموعه تست در یافتن خطا را ارزیابی کرده و با استفاده از تکنیک‌های مختلف، ورودی‌های تست را تولید خواهند کرد.

دیدگاه کاربران

4

بر اساس امتیاز 1 دانشجو

1
2
3
4
5

هنوز دیدگاهی برای این دوره ثبت نشده است

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
2دوره
207دانشجو
1نظر و امتیاز

علایق پژوهشی او در تقاطع نیازمندی‌های نرم‌افزار، معماری نرم‌افزار و تایید صحت آن‌ها قرار دارد. این علاقه ناشی از تمایل قوی برای ایمن‌تر، مقاوم‌تر و امن‌تر کردن طیف وسیعی از سیستم‌های نرم‌افزاری است. به طور خاص، او به دنبال توسعه‌ی شیوه‌های تست خودکار و تایید صحت صوری در مقیاس وسیع است تا بتوان آن‌ها را به طور مکرر و با صرفه اقتصادی در عملِ صنعت به کار گرفت. با ارائه بازخورد غنی به توسعه‌دهندگان بر اساس شواهد تایید صحت، به آن‌ها در درک ارتباط بین مصنوعات نرم‌افزاری و کفایت تاییدی که با توجه به هدفِ درنظرگرفته‌شده‌ی نرم‌افزار انجام شده است، کمک می‌کند. و در نهایت، به دنبال تدوین نیازمندی‌ها و ارائه‌ی شواهد تایید صحت دقیق برای نرم‌افزارهای تطبیق‌پذیر و یادگیری ماشین است که در سیستم‌های سایبر-فیزیکی به کار گرفته خواهند شد.

3دوره
445دانشجو
9نظر و امتیاز

Kevin Wendt متخصص آموزش در بخش علوم کامپیوتر و مهندسی (CS&E) دانشگاه مینه سوتا هستند. او مدیر برنامه کارشناسی ارشد مهندسی نرم افزار (MSSE) و سرپرست دستیاران آموزشی تحصیلات تکمیلی در CS&E می باشد. وی طیف وسیعی از دوره ها را از مهندسی نرم افزار تحصیلات تکمیلی تا برنامه نویسی مقدماتی برای غیرمرتبطین تدریس می کند. او پیش از پیوستن به دانشگاه مینه سوتا، به مدت ۶ سال در کالج فنی دانوودی با قدمت ۱۰۰ سال تدریس کرده و همچنین ۵ سال به عنوان برنامه نویس کاربردی در شرکت ولز فارگو مشغول به کار بوده است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.