От пикселей к результатам: компьютерное зрение и ML на страже качества UI

Традиционные методы UI-тестирования сталкиваются с серьезными ограничениями: хрупкость тестов, трудоемкость обнаружения визуальных регрессий и проблемы с динамическим контентом. Доклад «От пикселей к результатам: Компьютерное зрение и ML на страже качества UI» представляет новый подход, основанный на интеграции компьютерного зрения (CV) и машинного обучения (ML). Этот метод позволяет:


  1. Создавать устойчивые тесты.
  2. Обнаруживать визуальные баги.
  3. Сокращать время на поддержку тестов.
  4. Улучшать покрытие UI-тестирования.

В докладе будут рассмотрены практические примеры использования CV и ML в QA на примере нашего продукта. Применение CV и ML открывает новые возможности для повышения качества и эффективности QA-процессов. Этот подход позволяет преодолеть ограничения традиционных методов, делая тесты надежнее и информативнее. Внедрение CV и ML в UI-тестирование — шаг к созданию интеллектуальных систем обеспечения качества, отвечающих вызовам современной разработки ПО.

Уровень сложности

Любой уровень.

С более чем 5-летним опытом в качестве QA Engineer, участвовала в масштабных проектах, таких как FlyArystan, Halyk Market, Tele2 и Altel, выступая не только в роли автоматизатора, но также лидера и наставника.

Специализируется на автоматизации с использованием инструментов Playwright, Selenium и Appium для E2E тестирования, а также на работе с библиотеками, такими как requests, для API автотестов.

В свободное время занимается разработкой стартапов и изучением программирования на ассемблере.

Еще на тему QA