#47: Test Data Management meets Data Science

Agile-Test.Bar – Der Podcast für Testautomatisierung und Continuous Testing

محتوای ارائه شده توسط Wilson Campero and Qytera Software Testing Solutions GmbH. تمام محتوای پادکست شامل قسمت‌ها، گرافیک‌ها و توضیحات پادکست مستقیماً توسط Wilson Campero and Qytera Software Testing Solutions GmbH یا شریک پلتفرم پادکست آن‌ها آپلود و ارائه می‌شوند. اگر فکر می‌کنید شخصی بدون اجازه شما از اثر دارای حق نسخه‌برداری شما استفاده می‌کند، می‌توانید روندی که در اینجا شرح داده شده است را دنبال کنید.https://fa.player.fm/legal

5M ago 26:21

MP3•خانه قسمت

بایگانی مجموعه ها ("فیدهای غیر فعال" status)

When? This feed was archived on May 03, 2025 23:07 (17d ago). Last successful fetch was on March 30, 2025 13:59 (2M ago)

Why? فیدهای غیر فعال status. سرورهای ما، برای یک دوره پایدار، قادر به بازیابی یک فید پادکست معتبر نبوده اند.

What now? You might be able to find a more up-to-date version using the search function. This series will no longer be checked for updates. If you believe this to be in error, please check if the publisher's feed link below is valid and contact support to request the feed be restored or if you have any other concerns about this.

Nach einer erkenntnisreichen Abwägung der Frage: “Synthetische Daten oder Livedaten” kommt Alexander im Podcast mit Markus schnell zur praktischen Bedeutung der Datenwissenschaft (Data Science) für das Testdatenmanagement. Er platziert das Thema in ein Set von eigenen Datenregeln, die sich auf Technik, Datenqualität und Realiltät beziehen. Am Beispiel der Verwendungsanalyse von realen Daten und der Datenreduktion macht Alexander den praktischen Bezug der Data Science für das Testdatenmanagement erkennbar. Die Zeitvorteile, die sich aus der Anwendung des Datenwissen insbesondere bei großen Datenmengen ergeben, deuten für Alexander auf eine weiter steigende Bedeutung des Themas in der Zukunft hin.

Alexander Becker kann kontaktiert werden via email (alexander.becker@gmx.de) oder linkedin https://www.linkedin.com/in/alexander-becker-aa075621

Grundlagen: Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking

Online Kurse/ Materialien von IBM Was ist maschinelles Lernen (ML)? | IBM

Was ist Clustering? | IBM

Was ist k-Means-Clustering? | IBM

50 قسمت

#Technologie #MBA #Business #Wilson Campero #Digitalisierung #Agiletesting #Bdd #Continuoustesting #Performanztest #Softwareentwicklung #Tdd #Testautomatisierung #Testmanagement #Qytera Software Testing Solutions GmbH #DevOps #Tests