AI 自動化測試：技術原理、平臺搭建與工程實踐
騰訊TuringLab團隊 著
- 出版商: 機械工業
- 出版日期: 2020-06-01
- 售價: $534
- 貴賓價: 9.5 折 $507
- 語言: 簡體中文
- 頁數: 231
- 裝訂: 平裝
- ISBN: 7111654919
- ISBN-13: 9787111654919
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
$825Inside the Microsoft Build Engine: Using MSBuild and Team Foundation Build (Paperback) -
$500Android C++ 高級編程－使用 NDK (Pro Android C++ with the NDK) -
Continuous Delivery 中文版：利用自動化的建置、測試與部署完美創造出可信賴的軟體發佈 (Continuous Delivery: Reliable Software Releases through Build, Test, and Deployment Automation)$650$507 -
深入理解 Android 核心設計思想－應用實測篇$380$296 -
Android 開發藝術探索$474$450 -
重構與模式 (Refactoring to Patterns)$474$450 -
深入理解 Android 內核設計思想, 2/e (上下冊)$948$901 -
pytest 測試實戰$419$398 -
Android 進階解密$594$564 -
Attacking Network Protocols｜王牌駭客的網路攻防手法大公開 (Attacking Network Protocols: A Hacker's Guide to Capture, Analysis, and Exploitation)$480$408 -
$301Google ARCore 的基本原理 -
$862深入理解 Android：Java 虛擬機 ART -
圖解 RPA 機器人流程自動化入門：10堂基礎課程+第一線導入實證，從資料到資訊、從人工操作到數位勞動力，智慧化新技術的原理機制、運作管理、效益法則$499$394 -
$403Python Web 自動化測試入門與實戰 -
$454智能 RPA 實戰 -
$500Kali Linux 學習手冊 (Learning Kali Linux: Security Testing, Penetration Testing, and Ethical Hacking) -
$559機器學習測試入門與實踐 -
Android 設計模式與最佳實踐 (Android Design Patterns and Best Practices)$474$450 -
$301打造流暢的 Android App -
CWNA 認證教程 : 無線局域網權威指南, 5/e (CWNA Certified Wireless Network Administrator Study Guide: Exam CWNA-107, 5/e)$948$901 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
$556測試架構師修煉之道：從測試工程師到測試架構師, 2/e -
GPU 編程實戰 : 基於 Python 和 CUDA (Hands-On GPU Programming with Python and CUDA: Boost your application's performance and productivity with CUDA: Explore high-performance parallel computing with CUDA)$479$455 -
深度學習框架 PyTorch：入門與實踐, 2/e$954$906 -
$250人工智能軟件測試技術
相關主題
商品描述
這是一部講解如何將AI技術創造性地應用到自動化測試領域的前沿性著作。
由騰訊互動娛樂事業群TuringLab實驗室撰寫，從技術原理、平台構建、
工程實踐3個維度全面講解AI技術在中的應用，
融合了團隊先進的理論研究成果和豐富的工程實踐經驗。
全書一共14章，分為三個部分：
部分技術原理（第1-5章）
首先，從宏觀角度介紹了自動化測試和AI技術的發展，以及二者的相互結合；
然後，講解了圖像識別算法、強化學習、模仿學習等用於自動化測試的AI技術的原理；
後，介紹了Android設備的調試原理和技術。
第二部分平台搭建（第6-11章）
以TuringLab實驗室開源的Game AI SDK為例，不僅講解了AI自動化測試平台的架構設計、
開發流程、環境搭建和二次開發等內容，而且還講解了AI SDK Tool工具的使用，
以及如何以圖像類方式和數據類方式接入Game AI SDK。
第三部分工程實踐（第12-14章）
主要講了TuringLab團隊在遊戲AI自動化測試領域的佳實踐，包括手機遊戲兼容性測試、
自動化Bug檢測、自動機器學習等內容。
提供大量簡潔的代碼實例，助你零基礎實現AI自動化測試。
掃碼關注“華章計算機”官方微信，回复“”獲取配套資源
作者簡介
騰訊互動娛樂事業群TuringLab團隊
由美國歸國技術專家領頭組建，成員包括多位圖像識別處理和機器學習領域的博士，
以及多位專注於工程技術的專家。
目前，實驗室開發的AI SDK自動化測試平台已經成功接入騰訊公司的幾十款在正式運營的商業遊戲，
並同時服務於WEST產品、即通手Q產品，以及各遊戲工作室的多個產品。
目錄大綱
前言
作者簡介
第一部分原理篇
第1章AI與自動化測試
1.1自動化測試的發展與現狀
1.2 AI的發展與應用
1.3 AI與自動化測試相結合
1.4本章小結
第2章圖像識別算法
2.1圖像識別
2.2傳統的圖像識別算法
2.2.1模板匹配算法
2.2.2特徵點匹配算法
2.2.3梯度特徵匹配算法
2.3基於深度學習的圖像識別算法
2.3.1卷積神經網絡
2.3.2卷積神經網絡模型
2.4圖像識別方法在遊戲測試中的應用
2.4.1特徵點匹配在場景覆蓋性測試上的應用
2.4.2遊戲場景圖像的物體識別
2.5本章小結
第3章強化學習
3.1基本理論
3.2基於值函數的強化學習
3.2.1值函數
3.2.2 DQN
3.3基於策略梯度的強化學習
3.3.1策略梯度
3.3.2 Actor-Critic
3.3.3 DDPG
3.3.4 A3C
3.4強化學習在自動化測試中的應用
3.5本章小結
第4章模仿學習
4.1什麼是模仿學習
4.2模仿學習研究現狀
4.2.1行為克隆
4.2.2逆強化學習
4.3模仿學習在自動化測試中的運用
4.4本章小結
第5章Android設備調試
5.1 Android調試橋
5.1.1 adb常用命令介紹
5.1.2 ADB原理
5.2 Android實時截屏
5.2.1 minicap介紹
5.2.2 minicap使用
5.3 Android模擬器
5.3.1 Android Emulator介紹
5.3.2其他模擬器介紹
5.4本章小結
第二部分平台篇
第6章AI SDK平台介紹
6.1 Game AI SDK平台功能
6.2 Game AI SDK平台架構設計
6.3 Game AI SDK平台流程
6.3.1 AI算法流程
6.3.2圖像識別任務流程
6.4 Game AI SDK平台模塊結構
6.4.1圖像識別模塊
6.4.2 AI算法模塊
6.5本章小結
第7章AI SDK自動化測試平台搭建
7.1 Windows環境搭建
7.1.1創建虛擬環境
7.1.2安裝AI SDK
7.1.3安裝SDK Tool
7.1.4安裝AI Client
7.2 Linux環境搭建
7.3如何運行AI SDK
7.3.1安裝APK
7.3.2遊戲配置說明
7.3.3啟動服務
7.4本章小結
第8章AI SDK Tool詳解
8.1配置項目
8.1.1安裝
8.1.2配置項目
8.2標註GameReg任務
8.3標註UIRecognize任務
8.4調試
8.4.1 AI SDK Tool和GameReg之間的調試
8.4.2 AI SDK Tool和UIRecognize之間的調試
8.5 AI SDK Tool的其他功能
8.5.1添加動作配置
8.5.2添加地圖路線
8.5.3圖結構路徑配置
8.6本章小結
第9章圖像類接入Game AI SDK平台
9.1通過SDK Tool生成平台所需數據
9.1. 1生成UI配置文件
9.1.2生成模仿學習樣本
9.2基於圖像的AI方案
9.2.1基於小地圖的特徵提取
9.2.2樣本擴充
9.2.3模型和訓練
9.3使用Game AI SDK平台進行AI自動化測試——手機兼容性測試
9.4使用Game AI SDK平台進行AI自動化測試——場景測試
9.5使用Game AI SDK平台進行AI自動化測試——花屏類測試
9.6本章小結
第10章數據類手游接入Game AI SDK平台
10.1 Game AI SDK接入方案
10.1.1集成GAutomator實現遊戲接口
10.1.2通過遊戲接口獲取AI輸入數據
10.1.3通過動作接口執行AI動作
10.2基於數據的AI方案介紹
10.2.1算法描述
10.2.2實現功能
10.3使用Game AI SDK平台進行AI自動化測試——跑圖覆蓋測試
10.4使用Game AI SDK平台進行AI自動化測試——手機性能測試
10.5使用Game AI SDK平台進行AI自動化測試——地圖平衡性測試
10.5.1遊戲AI的課程學習方式
10.5.2遊戲AI的深度強化學習訓練架構
10.5.3深度強化學習的神經網絡模型設計
10.6本章小結
第11章AI SDK平台二次開發
11.1 AI SDK平台二次開發介紹
11.1.1 AI SDK二次開發框架
11.1.2 AI SDK二次開發API
11.2基於規則的AI設計和開發
11.2.1基於規則的AI介紹
11.2.2基於規則的AI實踐
11.3基於模仿學習的AI設計和開發
11.3.1基於模仿學習的AI介紹
11.3.2基於模仿學習的AI實踐
11.4基於強化學習的AI設計和開發
11.4.1基於強化學習的AI介紹
11.4.2基於強化學習的AI實踐
11.5本章小結
第三部分最佳實踐篇
第12章手機遊戲兼容性測試
12.1基於圖像的兼容性測試
12.2基於UI動作傳遞的兼容性測試
12.3基於UI自動探索的兼容性測試
12.4本章小結
第13章自動化Bug檢測
13.1貼圖丟失
13.2角色穿牆
13.3碰撞穿模
13.4本章小結
第14章自動機器學習
14.1自動機器學習概述
14.2參數搜索策略
14.3 NNI安裝和使用
14.4本章小結
