minyoung

테스트 절차 항목 목적 : 해당 테스트 절차를 통해서 테스트하고자 하는 구체적인 상황을 기술한다.우선순위 : 우선순위를 기술한다. 우선순위가 높은 테스트 절차를 우선 실행한다.시작 작업 : 포함된 테스트 케이스를 실행하기 위하여 준비할 작업을 기술한다.테스트 케이스 목록 : 테스트 절차에 포함된 테스트 케이스를 실행 순서대로 기술한다.종료 및 정리 작업 : 테스트 실행을 종료하는 방법과 종료 후에 수행할 작업을 기술한다.다른 테스트 절차와의 관계 : 다른 테스트 절차와의 실행 순서 측면에서 관계를 기술한다. 시작 작업 테스트 절차 실행은 테스트 절차를 구성하는 테스트 케이스 목록의 각 테스트 케이스를 명시된 순서대로 수행함으로써 진행된다. 만약 테스트 케이스가 실행되는 데 필요한 상태와 그 상태를 준비하..

QA 엔지니어로 업무를 하면서 가장 어려운 순간 중 하나는 오류를 발견했을 때가 아니라, 발견한 현상이 정말 ‘버그’인지 판단해야 할 때이다.처음 QA 업무를 시작했을 때는 예상한 결과와 실제 결과가 다르면 비교적 쉽게 이슈라고 판단했다. 하지만 여러 서비스를 테스트하고 테스트 케이스를 직접 설계하면서 생각이 조금씩 달라졌다. 화면에서 예상과 다른 결과가 나오더라도 그것이 반드시 결함을 의미하는 것은 아니기 때문이다.예를 들어 검색 기능을 테스트한다고 가정해보자. 사용자가 검색어를 입력했는데 내가 생각했던 결과와 다른 데이터가 노출된다면 처음에는 검색 기능에 문제가 있다고 생각할 수 있다. 하지만 실제로는 검색 조건에 따라 정상적으로 필터링된 결과일 수도 있고, 해당 계정의 권한에 따라 조회할 수 있는 ..

테스트 케이스는 테스트 대상에 존재할 수 있는 결함을 검출하거나 테스트 대상의 품질을 확인하기 위한 목적으로 테스트 대상을 실행하는 세부적인 상황을 정의한다. 테스트 케이스 명세서는 개발된 각 테스트 케이스에 대한 정의를 포함한다. 아래는 테스트 케이스를 구성하는 항목을 보여 준다. 테스트 케이스 항목목적 : 세부 피처를 바탕으로 테스트하고자 하는 구체적인 상황을 기술한다.추적성 : 테스트 베이시스의 해당 항목에 대한 참조를 나열한다.우선순위 : 우선순위를 기술한다. 우선순위가 높은 테스트 케이스를 우선적으로 실행한다.선행 조건 : 테스트 케이스가 실행되기 위한 사전 조건을 기술한다.입력 : 입력값과 입력값을 제공하는 행위를 기술한다.예상 결과 : 입력에 대한 예상 출력과 동작 그리고 실제 결과와의 비교..

테스트 대상 테스트 대상, 즉, 테스트를 수행함으로써 결함을 검출하거나 품질을 평가하고자 하는 대상을 명시한다.테스트 대상은 시스템 전체가 될 수 있고, 시스템을 구성하는 개별 요소가 될 수도 있다.또는 개별 요소 간의 연결을 대상으로 해서 테스트를 수행할 수도 있다. 그리고 이러한 테스트 대상의 유형을 기준으로 테스트 레벨이 결졍된다. 아래는 각 레벨 테스트별로 테스트 대상의 예를 보여 준다. ex) 테스트 레벨별 테스트 대상 예컴포넌트 테스트 : 시스템을 구성하는 서브 시스템, 컴포넌트, 클래스, 함수 등의 개별적인 요소통합 테스트 : 시스템을 구성하는 각 요소 간의 연결로서 서브 시스템 간의 연결, 컴포넌트 간의 연결, 클래스 간의 연결, 함수 간의 연결 등 시스템 테스트 : 시스템 전체인수 테스..

5. 하둡 에코시스템 오픈소스지만 확장성과 호환성이 높아서 최근 많은 기업이 채용하는 하둡 에코시스템도 다른 에코시스템과 마찬가지로 특정한 기술 및 프레임워크가 아니라 하둡을 비롯한 십수 종의 다양한 기술과 프레임워크, 개발언어, 솔루션으로 이루어진 거대한 프로젝트의 집합체다. 마치 여러 대의 자동차가 합체하여 하나의 거대한 로봇이 되는 애니메이션 변신 로봇처럼 하둡 에코시스템은 다양한 빅데이터 기술이 집합된 결정체라고 할 수 있다. 6. 데이터 레이크 빅데이터 시대에 접어들면서 나날이 증가하는 방대한 데이터와 새로운 포맷의 데이터를 수집하고 축적, 활용해야 한다는 환경의 니즈가 증가하면서 기업들은 종전의 ETL과 DW 구축 및 관리만으로는 한계에 다다랐다. 이러한 이유로 많은 기업이 정형 데이터로 구성..

1. 빅데이터와 인공지능 인공지능은 인간의 인지능력, 학습능력, 추론능력, 이해능력과 같은 고차원적인 정보처리능력을 구현하는 ICT 기술을 의미한다. 인공지능에 대한 연구는 오래전부터 있어왔지만, 빅데이터 분석 방법의 발전을 거치면서 더욱 빛을 보게 되었다.빅데이터 분석 기술은 대용량 데이터를 단시간에 처리할 수 있는 알고리즘의 기술 수준이 발전하면서 특히 머신러인 분야의 딥러닝 분석 기술에 관한 발전이 두드러졌다. 기계가 스스로 학습하여 패턴 혹은 공식을 만들어가는 것을 머신러닝이라 부르는데, 인공지능은 머신러닝 기술 중에서 특히 딥러닝과 연관이 매우 깊다. 이렇듯 인공지능 분야는 더욱더 발전하여 오늘날 자율 주행 자동차를 비롯해 AI 로봇, 의료기술, 미디어, 스마트시티 등 다양한 분야에서 상용화가 ..