专场出品人:董海炜
百度商业质量效能部技术负责人
2007年加入百度质量部,长期以来主要从事自动化测试、持续集成、devops、云原生质量保障相关技术领域。现在负责部门的质效中台方向,全面推动质效技术的云原生、产品化改造。
专场:质量工程
在当今数字化时代,软件系统的规模和复杂性正在爆发式的增长,靠传统软件测试的方法和手段已经很难支撑软件的快速交付,本专题会分享如何丰富测试之外的质量保证措施,持续推进基于度量的测试改进闭环,从而将质量工作从软件测试提升到质量工程的层次。
通过CI持续集成,上线前自动化检测缺陷(质量左移);通过质量巡检提前发现线上问题(质量右移),从而提升小程序、H5用户体验
策略方案:
1. 已上线的H5/小程序 线上采样,做质量巡检    
2. 未上线的H5/小程序,做质量卡点
1. 要解决的痛点场景
2. 技术选型与架构设计
3. 质量左移,持续集成
4. 质量右移,线上巡检
5. 体系化专项治理
6. 成果展示
性能与用户体验质量保障体系与方法论参考、踩坑实战分享、企业实践思路分享
阿里健康质量团队测试开发工程师,目前主要负责阿里健康前端质量专项治理、持续集成、线上巡检等质量保障工作,保障医蝶谷、医鹿 等产品的高可用、稳定性、性能与用户体验。毕业后曾就职高德地图、自如科技等公司,从事研发、质量架构、Devops 等平台开发工作。
张航
阿里健康 测试开发专家
待定
待定
前端质量保障体系化演进之路
内容大纲
听众收益
随着IT和互联网行业的快速发展,软件系统的复杂度逐步增加,分布式技术架构成为主流。微服务,数据库,缓存,对象存储,消息等各种分布式组件构建成复杂的分布式系统。

分布式系统面向故障的架构设计,需要在环境模拟节点故障比如磁盘、CPU满载,网络拥塞等来验证设计是否符合预期,需要的是一种能满足分布式设计的白盒测试方法。

针对可靠性测试的挑战,混沌工程在一定程度上给出了解法。混沌工程通过一些平台工具,能够很好的支持可靠性测试需要模拟的故障注入场景。测试人员只需要掌握基本的平台使用方法,就可以在可靠性测试流程中产生想要的故障,完成用例的执行。
1. 可靠性测试背景
2. 混沌工程在可靠性测试的作用
3. 可靠性相对分母计算方法
4. 可靠性测试用例设计方法
5. 业务场景的可靠性测试设计
6. 可靠性测试未来展望
在可靠性测试环节引入混沌工程,提高整体可靠性测试广度和深度。
2021- 现在PerfMa混沌工程产品负责人
2015-2021 蚂蚁集团支付宝事业群SRE
多次双十一,双十二,新春大促SRE负责人
2010-2015 某华尔街巨头风险报表负责人

擅长领域:高可用保障,混沌工程
叶青山
PerfMa  混沌工程产品负责人
待定
待定
突破传统可靠性测试:混沌工程最佳实践
内容大纲
听众收益
1. 分层的测试体系,用户行为的负载模拟
2. 硬件性能的评估
3. 性能瓶颈分析以及工具自动化
面对功能复杂,代码量庞大的操作系统,如何评估系统的性能,如何站在用户体验的角度去看系统的性能?
操作系统是基于硬件平台才能够运行,系统性能很多依赖于硬件的配合,如何评估不同平台下的性能表现?
系统性能的问题定位非常复杂,如何能做到快速定位定界?
针对全新的操作系统,如何能够评估上市后的性能,经受住复杂应用逻辑的考验?
1. 借鉴对性能测试的思路以及方法
2. 借鉴硬件性能的评估
3. 可直接采用性能瓶颈的分析
2015年就职于华为至今,一直从事软件研发与优化工作,当前负责华为终端产品性能测试分析工作,主导和参与多个上市产品/鸿蒙系统的性能竞争力特性,致力于打造极致的系统性能体验

擅长领域:系统性能测试与优化
窦峥
华为 高级测试研发工程师
待定
待定
打造操作系统性能防护体系-OpenHarmony实践
内容大纲
听众收益
人工智能是新一轮科技革命和产业变革的重要驱动力量,在人工智能领域商业驱动发展的大背景中,有着强大金融和科技背景的银行,迎来极好的转型与发展机会,将CV,NLP等AI技术广泛应用于金融服务和智能运营场景,随着AI应用程序的日益普及和它本身所使用技术的复杂性,算法的质量保障重要性越来越突出,对于智能模型的评估和优化成为了我们越来越关注的重点,开放银行背景下,业务数据量大且复杂,敏感数据监管严格,业务需求迭代快速,如何整合利用大量复杂数据,冲破样本瓶颈?如何多方位评估模型质量,为生产业务保驾护航?如何在业务流程中形成数据闭环,支撑模型快速优化?都将是我们在AI应用测试过程中的思考方向。本话题将讨论银行背景下的AI算法测试体系化,平台化的经验落地。
1. AI在银行的应用场景  
   1.1 AI大背景下,具有金融和科技优势的银行,如何进行智能化转型与发展
   1.2 AI应用场景如何赋能业务流程,实现提效降能
2. 模型质量保障的挑战
   2.1 常规的模型开发测试流程
   2.2 面临的挑战  
3. 模型测评体系建立
   3.1 模型分级及评估和监控体系
   3.2 离线测评,定性定量,从安全性,可解释性,精准性和性能多维度建立算法评估标准
   3.3 生产测试一体化方案,解决样本合规
   3.4 数据闭环方案,业务数据支撑快速标注
   3.5 建模过程管控,辅助可解释性追溯
   3.6 在线监控,A/B测试,指标监控助力线上模型效果洞察
4. 平台化赋能
   4.1 样本管理,清洗,标注,预分类,突破样本瓶颈
   4.2 任务执行,评估自动化,助力业务模型快速迭代
   4.3 灵活自定义指标,生成测试报告
   4.4 监控历史指标趋势,智能模型诊断
5. 实践及规划
   5.1 OCR模型测试实践
   5.2 建立模型运行状况大盘,融合离线指标评估和在线指标监控,场景化全方位监测模型,打造模型可信度鉴别系统,助力AI应用在业务流程中有效稳定运行
了解AI算法在银行的应用场景,以及测试职能在金融AI大背景下的定位
了解一般的算法模型开发测试流程,以及在银行背景下算法质量评估遇到的挑战,以及如何通过流程和技术双管齐下解决痛点;
了解如何建立算法测试评估体系来助力业务流程中的AI应用有效稳定
曾任职于PPTV聚力传媒,新浪,2018年加入平安银行零售大数据团队,任AI算法组测试经理,负责模型算法质量保障体系,从0到1探索并建立算法测试平台,助力测试效能提升

擅长领域:服务端测试,自动化测试,算法测试
郭宁
平安银行  零售大数据AI算法测试组经理
待定
待定
银行业务背景下的模型质量保障
内容大纲
听众收益
联系我们
票务联系(可以开发票): 小娟 15901265561(微信同号)
议题投稿: Email:Speaker@qecon.net
商务合作: 皮皮:13516196409
媒体合作: 木子:15122643988

Tips:报名成功后,会收到电子二维码,大会当天凭此现场兑换参会证;
扫码可查看往届盛况
QECon公众号
本站使用百度智能门户搭建 管理登录