测开小郭学习之路

先自我介绍一下,我是小郭,目前在上海的一家世界500强某厂担任测试开发工程师,日常工作比较杂,主要负责接口测试,自动化测试,性能测试,以及一些自动化工具的开发迭代,主要帮助团队提高工作效率。

从刚开始只有几十个人的创业公司一步一步跳槽走到现在,几乎可以说是从零学习各种开发测试技能,自学的过程中也积累了很多的资料以及学习方法,然后在这里给大家做一下分享,帮助小伙伴们能快速的进入到这个行业,并希望和大家一起探讨学习,打怪升级,从小白进阶成大佬!

关于学习资源的分享,主要分为以下几大板块,基本覆盖了从初级测试到中级测试以及测试开发应该掌握的所有硬技能。以及简历制作,笔试,面试会遇到的问题。

一、测试基础理论:包含测试入门科普,测试流程,测试用例编写等

二、测试工具:包含fiddler、postman、jmeter、git、svn等

三、功能测试:包含接口测试,web测试,app专项测试。

四、自动化测试:主要为python,接口自动化,app自动化,ui自动化

五、性能测试:包含接口压测,监控linux、数据库、分析瓶颈、jvm调优等

六、持续集成:包含jenkins、devops、docker等

七、找工作:简历制作,笔试

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
AUC是机器学习中一种常用的模型评价指标,全称为Area Under the ROC Curve,中文名为ROC曲线下的面积。它用于衡量分类模型的性能,特别适用于二分类问题。AUC的取值范围在0到1之间,其中AUC=1表示完美分类器,AUC=0.5表示随机分类器。 AUC的计算过程是基于ROC曲线,ROC曲线是以不同的阈值为基础,计算出模型的真阳性率(True Positive Rate)和假阳性率(False Positive Rate),并以假阳性率为横坐标,真阳性率为纵坐标绘制出来的曲线。AUC即为ROC曲线下的面积,通过计算AUC可以评估分类模型在不同阈值下的性能表现。 相比于其他评价指标如准确率(accuracy)、精确率(precision)和对数损失(logloss),AUC具有以下优势: 1. 不受类别不平衡问题的影响:AUC通过计算真阳性率和假阳性率来衡量模型的性能,不依赖于具体的分类阈值,因此不受类别分布不平衡的影响。 2. 对于概率预测结果的评估:许多机器学习模型的分类结果是概率值,而AUC可以直接使用这些概率值进行评估,而不需要手动设置分类阈值。 因此,在机器学习中,AUC是一个常用的模型评价指标,用于衡量分类模型的性能,特别适用于二分类问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [机器学习篇-指标:AUC](https://blog.csdn.net/fanfangyu/article/details/122885441)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [基于机器学习算法的糖尿病预测模型研究](https://download.csdn.net/download/weixin_47367099/85230856)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值