Details

Title Разработка инструмента анализа покрытия кода автотестами с применением моделей машинного обучения: выпускная квалификационная работа бакалавра: направление 09.03.03 «Прикладная информатика» ; образовательная программа 09.03.03_03 «Интеллектуальные инфокоммуникационные технологии» = Development of a tool for analyzing code coverage by autotests using machine learning models
Creators Николаева Надежда Сергеевна
Scientific adviser Туральчук Константин Анатольевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности
Imprint Санкт-Петербург, 2024
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects инструменты покрытия кода ; метрики покрытия ; инструменты анализа ; анализ покрытия ; генерация покрытия ; code coverage tools ; coverage metrics ; analysis tools ; coverage analysis ; coverage generation
Document type Bachelor graduation qualification work
Language Russian
Level of education Bachelor
Speciality code (FGOS) 09.03.03
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
DOI 10.18720/SPBPU/3/2024/vr/vr24-2602
Rights Доступ по паролю из сети Интернет (чтение)
Record key ru\spstu\vkr\30288
Record create date 7/11/2024

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

В данной работе объектами исследования являются инструменты анализа и покрытия кода, алгоритмы лежащие в их основе и архитектура собственного решения с применением моделей машинного обучения. Целью работы является разработка оптимального способа покрытия проекта автотестами с использованием алгоритмов машинного обучения и выявление полноты покрытия. Область применения результатов работы: сфера разработки приложений, требующих тщательного и быстрого тестирования. Работа проведена путем обзора научной литературы о разработке инструментов покрытия и генерации кода, анализа различных методик и дальнейшим составлением сравнительной характеристики по различным представленным решениям. В результате были проанализированы различные способы создания своего решения покрытия и анализа кода автотестами. Выявлен оптимальный способ анализа автотестов покрывающих проект и реализовано приложение, учитывающее недостатки аналогов. Разработанный инструмент позволяет анализировать и генерировать покрытие кода.

In this work, the objects of research are code analysis and coverage tools, oth algorithms at their core and the architecture of our own solutions using machine learning models. The goal of the work is to develop an optimal way to cover a project with an automated test using machine learning algorithms and test the full coverage. Scope of application of the results of the work: the area of development of applications that require thorough and rapid testing. The work was conducted by reviewing scientific literature on the development of code coverage and attraction tools, analytical methods and further development of a comparative characteristic for the presented solutions. As a result, various methods of creating your own solution for code coverage and analysis using autotests were analyzed. The optimal method for analyzing autotests covering the project was identified and an application was implemented that takes into account the shortcomings of analogs. The developed tool allows you to analyze and generate code coverage.

Network User group Action
ILC SPbPU Local Network All
Read
Internet Authorized users SPbPU
Read
Internet Anonymous
  • Введение
  • 1. Термины в анализе покрытия кода автотестами
  • 2. Обзор существующих инструментов анализа покрытия кода автотестами
  • 3. Описание архитектуры собственного решения приложения-анализатора
  • 4. Практическая реализация анализатора
  • 5. Тестирование собственного решения
  • Заключение
  • Список сокращений и условных обозначений
  • Словарь терминов
  • Список использованных источников
  • Приложение 1
  • Приложение 2
  • Приложение 3
  • Приложение 4
  • Приложение 5
  • Приложение 6
  • Приложение 7
  • Приложение 8
  • Приложение 9
  • Приложение 10
  • Приложение 11
...