Testing en big data y aprendizaje automático

No Thumbnail Available
Date
2021-12
Authors
Granata, Nicolás Ezequiel
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La tecnología de big data y aprendizaje automático se ha convertido en uno de los temas de principal interés, no solo en el campo de la investigación sino también en las organizaciones, empresas de desarrollo de software y demanda del mundo moderno en general. Esto se debe a la posibilidad de obtener nuevos conocimientos mediante algoritmos complejos, a partir de grandes y diversos volúmenes de datos, los cuales continúan creciendo día a día. La implementación de los sistemas de big data y aprendizaje automático presentan un problema a la hora de realizar pruebas sobre estos, debido a la cantidad y diversidad de datos que se procesan y los resultados que se obtienen. Asimismo, estos tipos de sistemas son calificados dentro de los no testeables, teniendo en cuenta la no existencia de un oráculo específico que permita indicar si los resultados de los casos prueba son correctos. El presente trabajo tuvo como objetivo investigar las propuestas de pruebas en sistemas de big data y aprendizaje automático, mediante el análisis de las estrategias utilizadas por la comunidad en el área, haciendo especial foco en el acercamiento de pruebas metamórficas. Como aplicación práctica, se realizó un procedimiento de pruebas metamórficas en el cual se verificó el funcionamiento de un sistema de software que analiza, mediante reconocimiento automático, sentimientos de textos escritos en Twitter. Por otro lado, se realizó un segundo procedimiento donde se verificó el funcionamiento del motor de búsqueda de Google. A partir de la investigación realizada se concluyó que la generación de relaciones metamórficas, teniendo en cuenta el dominio del sistema, brindaron una solución posible al problema de la ejecución y verificación de pruebas
Description
Keywords
big data, aplicaciones, aprendizaje automático, software, pruebas de software
Citation