Logo des Repositoriums
 
Konferenzbeitrag

Testing The Untestable - Risikobasierte Qualitätssicherung für Machine-Learning Systeme

Vorschaubild

Volltext URI

Dokumententyp

Text/Conference Paper

Dateien

2_TAV_STT_Felderer_TestingTheUntestable.pdf (207 KB)

Zusatzinformation

Datum

2022

Autor:innen

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Quelle

Softwaretechnik-Trends Band 42, Heft 4
FG TAV: Bericht und Beiträge vom Treffen der GI-Fachgruppe Test, Analyse und Verifikation von Software (TAV 47), 3. - 4. November 2022, München

Verlag

Gesellschaft für Informatik e.V.

Zusammenfassung

Machine-Learning Systeme durchdringen zunehmend alle Lebensbereiche. Dadurch gewinnt auch die Qualität und in weiterer Folge das Testen dieser Systeme an Bedeutung. Die inhärente Unsicherheit von Machine-Learning Systemen macht risikobasierte Testansätze besonders geeignet, welche in diesem Beitrag vorgestellt werden.

Beschreibung

Felderer, Michael (2022): Testing The Untestable - Risikobasierte Qualitätssicherung für Machine-Learning Systeme. Softwaretechnik-Trends Band 42, Heft 4. Bonn: Gesellschaft für Informatik e.V.. PISSN: 0720-8928. pp. 16-17. FG TAV: Bericht und Beiträge vom Treffen der GI-Fachgruppe Test, Analyse und Verifikation von Software (TAV 47), 3. - 4. November 2022, München

Schlagwörter

Zitierform

DOI

Tags

Sammlungen

Softwaretechnik-Trends 42(4) - 2022