kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университет10.55452/1998-6688-2021-18-1-157-161kaz29-71Research ArticleФИЗИКО-МАТЕМАТИЧЕСКИЕ И ТЕХНИЧЕСКИЕ НАУКИPHYSICAL, MATHEMATICAL AND TECHNICAL SCIENCESИНФОРМАЦИОННЫЕ СИСТЕМЫ МАШИННОГО ИНТЕЛЛЕКТА ДЛЯ АВТОМАТИЧЕСКОГО ТЕСТИРОВАНИЯ ПОINFORMATION SYSTEMS FOR MACHINE INTELLIGENCE TO AUTOMATED SOFTWARE TESTINGСералинаН. Т.SeralinaN.

студент-докторант

АО «Казахстанско-Британский технический университет»КазахстанKazkh-British Technical UniversityKazakhstan202103112021181157161Copyright © Сералина Н.Т., 20212021Сералина Н.Т.Seralina N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.kbtu.edu.kz/jour/article/view/71

Методы разработки программного обеспечения стремительно развиваются. Тестирование программного обеспечения играет большую роль в разработке хорошего продукта. Многие технологии объединены во все аспекты производительности на основе тестирования программного обеспечения. Передовые инструменты автоматизации используют в наборе тестов и проверочных тестов на основе искусственного интеллекта. Важно сосредоточиться на изменениях, работать на основе коллективных рассуждений тестовой команды и других аналогов команд. Методы проверки качества основаны на информации, представленной в современном цифровом мире. Бизнес полагается на новые быстрые процессы для обеспечения автоматического тестирования программного обеспечения. Применение подходов решений к финансовой организации позволяет повысить прозрачность всех этапов разработки программного обеспечения. Эти шаги могут помочь системам показать больший процент от частоты тестовых случаев, могут сэкономить время и деньги, но также эффективно решают проблему масштабирования процесса и ошибок.

В этой статье мы исследуем информационные системы c использованием машинного обучения и искусственного интеллекта для автоматизированного тестирования программного обеспечения. Цель разделена на задачи: важность искусственного интеллекта, необходимый этап разработки программного обеспечения – система тестирования и контроля качества, исследование основных средств автоматизации. Вывод: использование интеллектуального интеллекта и машинного обучения позволяет автоматизировать повторяющийся процесс и использование базы данных; поставляет превосходный интеллектуальный продукт; адаптируется к прогрессивному алгоритму обучения добавляет более глубокий анализ нескольких объектов; позволяет получить максимальный объем данных из баз данных.

The methods of development software develop rapidly. The testing of software has a great role in developing a good product. Many technologies assembled into all aspects of performance, based on software testing. Many advanced automation tools use in a set of test design and validation tests based on the artificial intelligence. The important thing is to focus on changes, to work on basis of collective reasoning of the test command and other commands analogues. The methods of the quality testing are based on the information provided in the modern digital world. The business is relying on new fast processes to provide automatic testing of software. Applying approaches of solutions to financial organization allows increase the transparency of all steps of software development. These steps can help systems show more percentage of the test case rate, can save time and money, but also effectively solves the problem of scaling the process and errors.

In this paper, we research information systems for machine intelligence to automated software testing. The aim is divided to tasks: the importance of artificial intelligence, the necessary stage of Software Development - Testing and Quality Controlling System, research of main automation tools.

We concluded that use of intellectual intelligence and machine learning: allows automating the repeating process and usage of the database; delivers superb intellectual product; adapts to the progressive algorithm of learning; adds more depth analysis of multiple objects; allows retrieving the maximum amount of data from the databases.

искусственный интеллектмашинное обучениеплатежная системавеб-сервисыпрограммные требованияфреймворкartificial intelligencemachine learningpayment systemweb servicessoftware requirementsframeworkReferencesHaibo He. Self-adaptive systems for machine intelligence, John Wiley & Sons, 1-2, 2011.Haibo He. Self-adaptive systems for machine intelligence, John Wiley & Sons, 1-2, 2011.Elona Wallengren Robin S. Sigurdson, Machine Intelligence in Automated Performance Test Analysis, Gothenburg, Sweden, 4 page, 2018.Elona Wallengren Robin S. Sigurdson, Machine Intelligence in Automated Performance Test Analysis, Gothenburg, Sweden, 4 page, 2018.Seralina N. A model for the web-services based framework. ICINCO 2020 Final program and book of abstracts. 17th International Conference on Informatics in Control, Automation and Robotics, Portugal. Online streaming, July 2020 , 26 page (https://www.insticc.org/node/technicalprogram/icinco/2020 )Seralina N. A model for the web-services based framework. ICINCO 2020 Final program and book of abstracts. 17th International Conference on Informatics in Control, Automation and Robotics, Portugal. Online streaming, July 2020 , 26 page (https://www.insticc.org/node/technicalprogram/icinco/2020 )Akzhalova A., Alexeev M., Sarsembayev B. Model-Driven Architecture for the QoS-Based Adaptive Sensor Network System. Springer International Publishing Switzerland, Book Chapter, Business Modeling and Software Design, 43-61 page, 2015.Akzhalova A., Alexeev M., Sarsembayev B. Model-Driven Architecture for the QoS-Based Adaptive Sensor Network System. Springer International Publishing Switzerland, Book Chapter, Business Modeling and Software Design, 43-61 page, 2015.Santosh Singh Rathore and Sandeep Kumar. An approach for the prediction of number of software faults based on the dynamic selection of learning techniques. IEEE Transactions on Reliability, 68(1):216-233, 2019.Santosh Singh Rathore and Sandeep Kumar. An approach for the prediction of number of software faults based on the dynamic selection of learning techniques. IEEE Transactions on Reliability, 68(1):216-233, 2019.A. Sturm and O. Shehory. Agent-Oriented Software Engineering: Revisiting the State of the Art. In O. Shehory and A. Sturm, editors, Agent-Oriented Software Engineering, pages 13–26. Springer Berlin Heidelberg, 2014.A. Sturm and O. Shehory. Agent-Oriented Software Engineering: Revisiting the State of the Art. In O. Shehory and A. Sturm, editors, Agent-Oriented Software Engineering, pages 13–26. Springer Berlin Heidelberg, 2014.R. Zurawski, M. Naedele, Integration Technologies for Industrial Automated Systems – IT Security for Automation Systems, CRC Press 2006, pp. 23-1 – 23-15.R. Zurawski, M. Naedele, Integration Technologies for Industrial Automated Systems – IT Security for Automation Systems, CRC Press 2006, pp. 23-1 – 23-15.H. Mohanty, J. Mohanty, and A. Balakrishnan, Trends in Software Testing, ISBN: 9789811014147. DOI: 10.1007/978-981-10-1415-4. [Online]. Available: https://link-springer-com.ezproxy.utu.fi/content/pdf/10.1007%7B%5C%%7D2F978-981-10-1415-4.pdf.H. Mohanty, J. Mohanty, and A. Balakrishnan, Trends in Software Testing, ISBN: 9789811014147. DOI: 10.1007/978-981-10-1415-4. [Online]. Available: https://link-springer-com.ezproxy.utu.fi/content/pdf/10.1007%7B%5C%%7D2F978-981-10-1415-4.pdf.Graham Smith. The intelligent solution: automation, the skills shortage and cyber-security. Computer Fraud & Security. Volume 2018, Issue 8, August 2018, Pages 6-9.Graham Smith. The intelligent solution: automation, the skills shortage and cyber-security. Computer Fraud & Security. Volume 2018, Issue 8, August 2018, Pages 6-9.Maria José Sousa, Álvaro Rocha. Digital learning: Developing skills for digital transformation of organizations. Future Generation Computer Systems. Volume 91, February 2019, Pages 327-334Maria José Sousa, Álvaro Rocha. Digital learning: Developing skills for digital transformation of organizations. Future Generation Computer Systems. Volume 91, February 2019, Pages 327-334Adriana Giret, Emilia Garcia, Vicente Botti. An engineering framework for Service-Oriented Intelligent Manufacturing Systems. Computers in Industry. Volume 81, September 2016, Pages 116-127.Adriana Giret, Emilia Garcia, Vicente Botti. An engineering framework for Service-Oriented Intelligent Manufacturing Systems. Computers in Industry. Volume 81, September 2016, Pages 116-127.Graham Smith, The intelligent solution: automation, the skills shortage and cyber-security. Computer Fraud & Security, Volume 2018, Issue 8, August 2018, Pages 6-9.Graham Smith, The intelligent solution: automation, the skills shortage and cyber-security. Computer Fraud & Security, Volume 2018, Issue 8, August 2018, Pages 6-9.

The authors declare that there are no conflicts of interest present.