- AI自动化测试(技术原理平台搭建与工程实践)
- - 作者：腾讯TuringLab团队|责编:董惠芝
  - 出版社：机械工业
  - ISBN：9787111654919
  - 出版日期：2020/06/01
  - 页数：219
- 售价：35.6

内容大纲
    这是一部讲解如何将AI技术创造性地应用到自动化测试领域的前沿性著作。由腾讯互动娱乐事业群TuringLab实验室撰写，从技术原理、平台构建、工程实践3个维度全面讲解AI技术在中的应用，融合了团队先进的理论研究成果和丰富的工程实践经验。
    全书一共14章，分为三个部分：
    第一部分技术原理（第1～5章）
    首先，从宏观角度介绍了自动化测试和AI技术的发展，以及二者的相互结合；然后，讲解了图像识别算法、强化学习、模仿学习等用于自动化测试的AI技术的原理；最后，介绍了Android设备的调试原理和技术。
    第二部分平台搭建（第6～11章）
    以TuringLab实验室开源的Game AI SDK为例，不仅讲解了AI自动化测试平台的架构设计、开发流程、环境搭建和二次开发等内容，而且还讲解了AI SDK Tool工具的使用，以及如何以图像类方式和数据类方式接入Game AI SDK。
    第三部分工程实践（第12～14章）
    主要讲了TuringLab团队在游戏AI自动化测试领域的最佳实践，包括手机游戏兼容性测试、自动化Bug检测、自动机器学习等内容。
    提供大量简洁的代码实例，助你零基础实现AI自动化测试。
作者介绍
腾讯TuringLab团队，由美国归国技术专家领头组建，成员包括多位图像识别处理和机器学习领域的博士，以及多位专注于工程技术的专家。目前，实验室开发的AI SDK自动化测试平台已经成功接入腾讯公司的几十款在正式运营的商业游戏，并同时服务于WEST产品、即通手Q产品，以及各游戏工作室的多个产品。
目录
前言
作者简介
第一部分  原理篇
  第1章  AI与自动化测试
    1.1  自动化测试的发展与现状
    1.2  AI的发展与应用
    1.3  AI与自动化测试相结合
    1.4  本章小结
  第2章  图像识别算法
    2.1  图像识别
    2.2  传统的图像识别算法
      2.2.1  模板匹配算法
      2.2.2  特征点匹配算法
      2.2.3  梯度特征匹配算法
    2.3  基于深度学习的图像识别算法
      2.3.1  卷积神经网络
      2.3.2  卷积神经网络模型
    2.4  图像识别方法在游戏测试中的应用
      2.4.1  特征点匹配在场景覆盖性测试上的应用
      2.4.2  游戏场景图像的物体识别
    2.5  本章小结
  第3章  强化学习
    3.1  基本理论
    3.2  基于值函数的强化学习
      3.2.1  值函数
      3.2.2  DQN
    3.3  基于策略梯度的强化学习
      3.3.1  策略梯度
      3.3.2  Actor-Critic
      3.3.3  DDPG
      3.3.4  A3C
    3.4  强化学习在自动化测试中的应用
    3.5  本章小结
  第4章  模仿学习
    4.1  什么是模仿学习
    4.2  模仿学习研究现状
      4.2.1  行为克隆
      4.2.2  逆强化学习
    4.3  模仿学习在自动化测试中的运用
  ……
第二部分  平台篇
第三部分  最佳实战篇

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目