机器学习平台带给QA的挑战 (insights.thoughtworks.cn)

【简介】

机器学习平台是一款集数据集、特征工程、模型训练、评估、预测、发布于一体的全流程开发和部署的工作平台。其数据量大、数据多样性、支持算法种类多,加上算法模型结果不确定、集成复杂等等特点;这会给QA的工作带来怎样挑战、以及如何克服,本文一一揭晓。

点击查看全文 >>

@Thoughtworks 2020-12-07 11:02分享 / 0个评论
赞过的人: IT技术博客大学习
要不要再学学下面的文章?
机器学习不是你想用,想用就能用 (insights.thoughtworks.cn)
机器学习的目的:更精准地替代经验以及更大面积复用人工。在这个文章中,要回答什么场景下该用机器学习,同时我们也需要回答一个更为本质的问题,什么是机器学习?
by @Thoughtworks 2022-06-10 10:21 分享 查看详情
在一个“去QA化”的项目中,QA能做什么? (insights.thoughtworks.cn)
所谓“去QA化”只是在某些项目中去掉了单独的一个QA角色,但是总有人会戴上QA的帽子,或者人人都戴上了QA的帽子,人人都拥有很高的质量意识,这其实是QA的理想国。
by @Thoughtworks 2022-06-07 14:27 分享 查看详情
基于机器学习的反欺诈研究 (blog.nsfocus.net)
互联网应用在给用户带来便利的同时,也引入了新的风险。屡见报端的网络欺诈事件,已经给许多互联网用户带来了严重危害。本文将介绍几种基于机器学习的能够有效监管和防御网络欺诈的技术手段。
by @技术头条 2022-05-06 23:16 分享 查看详情
敏捷驱动QA改变 (insights.thoughtworks.cn)
以“追求更短的反馈环”为目标的敏捷,不仅仅改变着敏捷团队的开发流程和技术实施的软件工具,也真切改变着团队质量人员的角色认知,工作内容和思维方式。
by @Thoughtworks 2022-04-24 11:57 分享 查看详情
推荐3个快速开发平台项目经验又有着落了 (mp.weixin.qq.com)
经常性逛github,发现了一些优秀的开源项目,其中的框架及代码非常不错,现在给大家推荐三个快速开发平台。
by @code小生 2022-02-27 20:59 分享 查看详情
聊聊低代码平台 (insights.thoughtworks.cn)
低代码平台的选择,关键不看工具(语言设计解释器)设计的多漂亮,而是要看其专注的问题领域及范围(个人推荐越专注越好),以及对这个领域的建模和DSL(元模型)设计能力。
by @Thoughtworks 2022-02-25 16:17 分享 查看详情
研发平台演进:从工具链到开放平台 (insights.thoughtworks.cn)
打造企业内部的研发平台的过程不是一蹴而就的,企业可以从工具链开始尝试,构建自己的研发平台,逐步演进成技术开放平台。只有在业务价值的驱动和有效的战术执行下,平台才能通过减轻产品开发团队的认知负担并加速组织的创新来取得成功。
by @Thoughtworks 2021-11-24 18:04 分享 查看详情
数据平台的隐私数据问题 (insights.thoughtworks.cn)
在面临隐私保护相关问题时,要从经济、法律和技术三方面入手,建立不断演化的安全攻击和防范体系,技术方面需要强化隐私相关技术的应用,从数据流动的角度,动态审视当前的安全策略。
by @Thoughtworks 2021-07-22 15:57 分享 查看详情
如何建设机器学习平台 (insights.thoughtworks.cn)
伴随着数据化、智能化的浪潮,很多大企业为了沉淀通用技术和业务能力;加快企业智能化、规模化智能开发,开始了自建机器学习平台。 从零搭建一个机器学习平台的复杂度是不容小觑的,关于平台的定位、需要解决的问题;及其架构、技术选型等需要提前考量和设计。本文根据几个从零到一的机器学习平台构建经历,再结合目前新兴热门的云上机器学习平台,试图对机器学习平台做一个概念和技术拆解。
by @Thoughtworks 2021-06-29 18:01 分享 查看详情
洋葱式信息安全观察:溯源(归因分析)与机器学习 (www.sec-un.org)
回顾往年的攻击事件,有报道称韩国平昌冬奥会APT攻击事件导致了奥运会网站的宕机和网络中断。

根据开源情报,该事件攻击者的归属问题,至今未有定论。在事件中攻击者使用的植入载荷Olympic Destroyer,其相关代码与Lazarus曾使用的载荷有部分相似,而美国部份媒体则声称该事件为俄罗斯情报机构实施并嫁祸给朝鲜。

该事件再一次展现了APT攻击者利用和模仿其他组织的攻击技术和手法特点,制造false flag以迷惑安全分析人员并误导其做出错误的攻击来源归属的判断。

网络攻击者,其手法随着不同的组织、个人的能力以及外部环境而多变,是否有一种通用的方法来进行综合分析,作为归因分析的指导呢?

狡猾的狐狸总是懂得隐藏自己,甚至嫁祸于他人。然而,“凡有接触,必留痕迹”,判断一起攻击所属的国家、地区、组织、黑客团体,通常需要所结合已知知识(威胁情报)和具体的攻击细节进行对比分析,最后做出结论。以下介绍几个常用的分析切入点。
by @技术头条 2021-06-13 23:26 分享 查看详情