AI测试 既然大家如此热烈讨论 AI,那我来问一下,该如何学习 AI

秦岭 · 2020年11月23日 · 最后由 magicyang 回复于 2020年12月11日 · 3 次阅读

小酷的帖子大家讨论的太热烈了,当然对 AI 看法不一,有认为这是必然趋势,又认为目前还不能有大突破,

那么这次大会也是没有 AI 就缺少逼格的感觉,基本上各个话题都少了不了关联 AI。

一个很现实的问题是,大多数在职测试人员,都没有 AI 相关基础,都不是人工智能硕士,甚至都不是计算机科班,只是会 python 做自动化 或者测开。

这样一个背景的人,

1,该如何学习 AI,(AI 涵盖的很广,即使人工智能硕博也只能在某一领域专心,我们该有限的精力在哪方面发力,学到最可能关联测试的 AI 方向),买了一本书,其实也是点到即止,况且一大部分用来讲 python 基础与其他方面的东西,感觉有这一本书还是完全没有方向

具体我们该一个什么样的路线,循序渐进学习?

2, 现阶段业余时间学习 AI 以用来应对未来可能的技术升级,是否现实(常规时间还是要测试或者写工具,只能业余时间学),能学到什么程度!

共收到 24 条回复 时间 点赞

目前职位:算法工程师,方向计算机视觉,2 年基本入门。因为自己过菜,目前弃疗中。。。 首先是数学基础,入门级需要懂矩阵相关的操作,一般数二也就够了。需要有一定的概率论基础。 细分方向主要有:计算机视觉、自然语言处理、推荐等几个方向。 然后你需要选定一个领域,了解一些基础的概念,比如图像推荐 CS231N,自然语言推荐 CS224N,机器学习推荐吴恩达的课程,这些 B 站都能找到。 然后你要学习一下基础的神经网络训练框架,比如 PYTORCH,理解什么是 tensor,什么是网络图。跑跑 DEMO,理解个 RESNET50,word2vec 啊,也不会太难。 再然后你去 GITHUB 上 GIT CLONE 一个开源的模型,DEMO 就可以搞定的。 如果 0 基础,几个月不怎么休息,有时间就回家看书的话,估计也要个半载吧,估计也没人能坚持不下来,我当年没坚持下来,索性裸辞了。 BUT,如果你把数据搞好(标注好,清理好,numpy 必须会),有算法开发支持你,替你简单找个模型训练一下,估计也就 1,2 周吧。

你要真正了解 AI 这件事,你需要有如下能力: 1.扎实的传统算法基础。 2.长期的论文阅读能力。 3.对数据、对场景的理解能力。 4.编程落地能力,有算法工程师不要求 C++ 的么?好像没有!~ 而这些都不是一个非科班在 2 年内能提升到的。 真要做这行,数学功底,数学功底,数学功底。请去读书,请去读书,请去读书(至少 985 计科相关的实验室),重要的事情说三遍。

这玩意门槛会越来越低的,阿里应该是有界面可以用拖拖拽拽直接生成模型的框架,在某些平台下,未来可能都不用学。最后考验的是数据。 虽然我从来不相信测试用 AI 能做出来能用的东西,但是总归也是一种尝试啊。也别总是 APPIUM 啥的,这都过去多少年了。测试方法论什么拓展测试,虚头八脑的,除了忽悠人还能干啥。

我不建议普通的测试人员学 AI, AI 是只有大厂才有成本玩的东西。 普通测试学了基本没什么用。

这么惨吗?

哎,确实,不建议学,大概率用不到,实际也提升不了 B 格。 先学一些开发技能吧。比如音视频,也有很多路可以走。 不要跟我学,只有我自己知道硬抗了多久。 而且我技术学历起点,比这里可能 99% 的人都要高,要搁现在这个信息发达的年代,随机分我去测试,我 2 周就跑路了,也不会做测试。 目前我知道测试转算法,除了我之外,从未听说。

magicyang 回复
而且我技术学历起点,比这里可能99%的人都要高,要搁现在这个信息发达的年代,随机分我去测试,我2周就跑路了,也不会做测试。

大佬为什么不一开始就做算法

1.能做开发早做开发去了。 2.能搞算法谁还稀罕搞 crud。 3.能搞后端才不搞前端那。

综上,大多数测试甚至测开不需要熟悉或精通 AI,你只要知道有哪些 AI 服务可以拿来应用在你测试目标上,解决一个痛点或增加一个爽点就可以。

感觉能评估好模型结果就已经很不错了😂

我都毕业 15 年了,没想过自己考研会挂,那时学生思维过于严重。 当初面了一共 3 家,海思的芯片算法,面挂了。1 家研究所做通讯协议没去,去了白嫖做 BSP,被随机分测试。

我们当年是有白盒测试的,看不懂 C 的代码肯定是不行的,但是单子的 KPI 依然会逼着你点点点。 我也迷茫过,有啥意思,领导把我弄去国外出差了,度过了 2-3 年的迷茫期。 而且你挣得比开发多,加班比开发少,为啥要去折腾自己?每天上班看小说,回家 WOW 就问你爽不爽?

当你过了 30 以后发现,妈的,居然被领导说不会写代码了。从 9 岁开始写的代码,到了 30 不会写了? 还真就不会写了!

测试的技术论坛到现在都还在纠结写代码有没有用,技术有没有用。 未来高端的技术岗位是有测试需求的,但是你说你不懂 AI,不懂评测标准,不会统计学原理。 如果写个脚本,我们 1 小时搞定,测试一周搞定,测试能有地位么? 如果愿意学,那从工程部署开始,慢慢学,提升代码能力;如果不愿意学,那就打杂点呗。 路都是自己选的,没啥可抱怨的。都正儿八经的想想自己到底有多少门槛,别老想着走捷径。 要么提升学历,要么好好学技术,找论坛的技术推去大厂看看真正的测试需求不香么?总在否定别人,否定自己之间来回徘徊,能有啥用。

我现在也眼高手低,估计还得再折腾。9117 搞起来,虚个锤子。

magicyang 回复

不止你一个哦😎

无需刻意的去学习 AI,结合公司的业务场景去设计,去做事情,不断积累打磨自己,当你的经验和技能到一定地步的时候,很多东西自然是触类旁通的,到时候用起来游刃有余!

AllenZhou 回复

O(∩_∩) O,握手。~

看完一楼回复之后的从听说到放弃系列

秦岭 #13 · 2020年11月24日 Author
magicyang 回复

感谢大神的悉心指点,必要时会继续向您请教

秦岭 · #14 · 2020年11月25日 Author
仅楼主可见
孙高飞 回复

说的太对了,我还铁了心了学了半年数学,完了看了 1/3 的吴恩达机器学习视频,也没整明白从哪入手

张狂天 回复

慢慢磨吧~~ 加油

17楼 已删除

反正我厂最牛 x 的 AI 产品团队(国内应该不是第一就是第二)的测试也没怎么分享 AI 如何用在测试上。😂

AI 的门槛正在降低,并不是学不学的会的问题,而是学会之后怎么用的问题,现在很多公司炒 AI 只是概念:

比如,很多公司的"AI 测试"只是运用了 Sikuli 进行了图像识别,具体怎么优化、怎么设计测试策略和目标、怎么提高产品的质量完全没有概念,结果每次 CI 的时候一大堆的图片需要上传,还有每一次需求都是天文数字的工作量,然后就是无论测试多少遍 BUG 一点都没有减少,除此以外根本没有提升;

然而,更悲剧的是,哪怕其中有灵光的下狠心把图像算法优化了,发现图像识别和自然语言变成公共的基础服务了。

对于这个领域不熟悉的测试,尤其不是大厂的测试,根本得不到信息,盲目学完然后盲目碰壁盲目失望这个是最有可能的,建议这个阶段还是稳扎稳打修炼基本功,有时间把线性代数好好补补,了解一下常用的框架,在常见的 AI 应用方向里面挑一个仔细研究一下,别太盲目跟风。

秦岭 #20 · 2020年12月10日 Author
猪头君 回复

以大佬的踩坑经历看,该学习哪些框架为好呢,比较有可能用得到的框架 我看互联网大会多是进行训练,然后将训练好的模型用在测试上

秦岭 回复

建议先学会思路,再用框架吧。学 AI 比学一个框架要复杂多,基本相当于一个新领域了。不要抱着学一个框架的想法去学习,你会发现入门都很困难。

可以看看西瓜书,或者 google 的 ai 课程(本身就是针对编程人员的,有可以直接运行代码的教程,个人用起来比较顺手)。对于一个陌生领域的从零开始学习,最好还是像以前学编程语言那样去学一些相对系统化的课程,这方面领域知识比学一个框架要复杂得多,不是看一天框架文档就能基本上手使用这么简单的。

如果只是应用别人已经做好的基于 ai 的框架,可以看看 appium 那个图像识别的扩展插件。

秦岭 回复

个人的学习路线: 网易公开课的 MIT 线性代数,尤其要利用这门课把很多单词混熟,后面会方便很多; 再就是吴恩达老师的机器学习和深度学习

练手的话是 TensorFlow,因为资料非常丰富群也很多,而且符号什么的和前面的课程是一致的

当然这个是我自己利用空余时间自己玩的,说来惭愧我也没搞明白应该怎么应用,因此没办法说我自己就是对的或者合适的,仅供参考

秦岭 #23 · 2020年12月10日 Author
陈恒捷 回复

好的 谢谢大佬!!

秦岭 #24 · 2020年12月10日 Author

好的 谢谢大佬!!!

猪头君 回复

作为个人爱好挺好的。 作为吃饭的手艺就算了吧。O(∩_∩) O 放弃吧,AI 的技术门槛越来越低,落地越来越难。

需要 登录 后方可回复, 如果你还没有账号请点击这里 注册