PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Enhancing Software Testing Through Generative AI

Parole chiave AI, AUTOMOTIVE, TESTING

Riferimenti RICCARDO COPPOLA

Gruppi di ricerca DAUIN - GR-16 - SOFTWARE ENGINEERING GROUP - SOFTENG

Tipo tesi AZIENDALE

Descrizione Tesi presso Concept Quality Reply

Contesto:
Nel dominio specifico della diagnostica dei veicoli e dell'IoT, ottenere una valida End-to-End (E2E) è fondamentale per garantire l'affidabilità e le prestazioni dei sistemi integrati. Questo richiede approcci innovativi al testing del software, e l'Intelligenza Artificiale Generativa (Generative AI) emerge come uno strumento promettente per ottimizzare e potenziare i processi di testing.

Descrizione:
Questa tesi esplora l'integrazione e l'applicazione dell'IA Generativa nel campo del testing del software. Sfruttando il potere della Generative AI, questa ricerca mira a migliorare l'efficienza, l'accuratezza e la completezza delle attività di testing, soprattutto nel contesto dell'IoT e dei veicoli connessi.

Obiettivi:

Esplorare il potenziale della Generative AI nella generazione di test case completi e diversificati per sistemi software complessi.
Indagare come la Generative AI possa accelerare la creazione di scenari di test e dati, simulando l'uso reale e migliorando la copertura dei test.
Valutare l'impatto della Generative AI sull'efficienza e sull'efficacia complessiva dei processi di validazione End-to-End (E2E), in particolare nei sistemi IoT e nei veicoli connessi.
Sviluppare metodologie per integrare l'IA Generativa nel ciclo di vita del testing del software, con un focus sull'ottimizzazione dell'utilizzo delle risorse e sulla riduzione dei tempi di testing.
Prerequisiti:

Competenza nello sviluppo software e nelle metodologie di testing.
Familiarità con i concetti e i principi della Generative AI.
Conoscenza delle tecnologie IoT e dei veicoli connessi.
Competenze acquisite:

Java, Postman, Selenium, CANalyzer, CAPL, framework di Generative AI (es. GPT-3, GPT-4), Python, librerie di Machine Learning (es. TensorFlow, PyTorch), framework e protocolli IoT, tecnologie per veicoli connessi, strumenti di testing automatizzato.


Scadenza validita proposta 03/09/2025      PROPONI LA TUA CANDIDATURA