Thomas kan omschreven worden als een gedreven zelfstandige test professional die niet bang is om het initiatief te nemen en in het diepe te springen. Met zijn technische kennis en communicatieve vaardigheden probeert hij de vertaalslag te geven van de techniek naar de business. Verder staat hij altijd open voor nieuwe kennis en voert hij het motto niet bijleren is stilstaan.

Veel organisaties willen meer uit hun data halen door middel van gevalideerde Machine Learning predictions in combinatie met BI-oplossingen. Maar de vraag blijft: hoe test je een oplossing waarvan juiste de uitkomst niet bekend is? Bij BI-testen is gebleken dat de data en de transformaties centraal staan. De mindset voor BI-testen is dan ook vooral data-driven.
De markt ziet momenteel een vloedgolf aan machine learning mogelijkheden. Nu Microsoft en Amazon beiden haar eigen ML-platform uit hebben gebracht zijn er steeds meer bedrijven die de mogelijkheden hiervan inzien. Over het testen van deze oplossingen wordt echter weinig gesproken. In ML-oplossingen is het uitgangspunt net als bij BI-testen de data, maar met een twist, de vereiste domeinkennis.

de laatste jaren is er een stijgende lijn aan machine learning toepassingen te zien in business intelligence voorzieningen. De vraag is: hoe test je de betrouwbaarheid van deze voorzieningen? Dit lijkt moeilijker dan dat het is, maar wat vooral nodig is, is een verandering in de mindset. In zijn huidige project heeft Thomas te maken met het testen van zo’n ML en BI-oplossing. Tijdens deze talk legt hij uit hoe hij met een andere mindset en de inzet van vernieuwende technieken bij een ML- en BI-oplossing succesvol de betrouwbaarheid heeft kunnen aantonen.

Inhoud:

  • Introductie
  • ETL-/BI-Testen
  • Machine learning als toevoeging op BI-voorzieningen.
  • Uitdagingen bij machine learning/artificial testen.
  • Aanpak uitdagingen bij het testen van machine learning.
  • Demonstratie praktijk testset