Year: 2023
Type: dissertation
Abstract: Auf maschinellem Lernen (ML) basierende Softwaresysteme werden zunehmend in verschiedenen Anwendungen eingesetzt. In vielen dieser Anwendungen \nhat ML-Software außergewöhnliche Leistungen gezeigt, aber auch katastrophale Ausfälle. In dieser Arbeit stellen wir Testansätze vor, mit denen \nbestimmte Anforderungen überprüft werden können, wobei die gesamte Pipeline von ML-Systemen berücksichtigt wird. Zu diesem Zweck haben wir \nzunächst die Lernalgorithmen und dann die ML-Modelle getestet. Für die Lernalgorithmen haben wir zunächst eine Eigenschaft vorgeschlagen und \ndann einen metamorphen Testansatz vorgestellt, um sie zu testen. Für das Testen von ML-Modellen haben wir einen Testansatz entwickelt, der als \neigenschaftsgesteuertes Testen bezeichnet wird, um ML-Modelle auf eine benutzerspezifische Eigenschaft zu testen, die beim Testen verschiedener \nEigenschaften für verschiedene Arten von ML-Modellen verwendet wird.
Author: Sharma, Arnab
Institution: Carl von Ossietzky Universität Oldenburg
Language: German
Subfield: Software
Field: Computer Science
Domain: Physical Sciences
Keywords: metamorphic testing, property-based testing
Open Access status: green
OpenAlex ID: W6987527970
