★一个想学测试的学员的疑虑

qworld 2004-10-15 11:46:13
有些编程基础,想参加软件培训,不知学软件编程好,还是测试好,看了一下51Job,发现招软件工程师的比测试工程师的多了10倍,但依稀记得媒体上提过现在很缺测试人员,想请教一下在业界工作的各位。
软件测试这个职业有没有前途?什么样的人适合做测试人员?他的待遇跟程序员有多少差别?
...全文
354 8 打赏 收藏 转发到动态 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
davy_chen 2005-01-26
  • 打赏
  • 举报
回复
有能力便有前途,无论测试还是程序开发。不过做好测试更难。
fzx 2005-01-26
  • 打赏
  • 举报
回复
国内的这些小作坊们的质量意识都很差,不会有作为的。
babybear315 2004-11-10
  • 打赏
  • 举报
回复
中国的软件业还处于婴儿期,软件测试更是近两年才展露头角的一个新的职业,也许以前有很多大公司有软件测试,但是到近两年这个职业才得到认识,得到重视,其实职业什么并没有什么大不了的,选择喜欢的,好好做,总会得到自己应有的回报的
zbsredondo 2004-11-10
  • 打赏
  • 举报
回复
现在很多国内的公司不太注重软件的测试,只是开发人员自己简单的测试性能,这会给软件的使用带来很大的隐患。好在国内一些比较大的公司已经开始注重测试了,尤其是做外包的,测试占的比例与架构和开发形成4:3:3的比例,个人感觉现在测试人员的薪金要比做开发的要少,机会也少,但逐渐会好起来的。可以想想微软一个开发人员配一个测试人员的比重,而且薪金基本相同
microyzy 2004-11-09
  • 打赏
  • 举报
回复
但是据我所知的,也有部分公司在使用一些专业的测试工具,不过都是尝试而已,实际上没起什么实际作用
microyzy 2004-11-09
  • 打赏
  • 举报
回复
胡说,我原来那个公司开发人员有20多个,测试人员有7、8个,并且在开发人员只有10个左右的时候就开发有测试人员了,是专职的测试人员,独立为测试部,除了测试外,也负责质量控制

只不过,基本上都是比较原始的黑盒测试,说白了点就是拿鼠标点来点去,当然,后面也慢慢规范一点,开头用excel记录,后来使用bugzilla,QC也越来越严谨,但是基本上还是属于黑盒测试,这种黑盒测试很累,并且技术含量不高,带来的问题就是,薪水不高

我想,猜测,国内相当一部分的公司可能都是使用黑盒测试方法(指专职的测试人员)
pyp 2004-11-09
  • 打赏
  • 举报
回复
在一般的企业,同等资历的测试人员和开发人员待遇大概相差一个档次。

最好先做开发人员,有一定经验再转行测试。

关键的是:现在对测试国内不是很重视,所以只有稍微大些的企业才有专门的测试人员,通常有50+开发人员的企业才会有测试部门,而有几个作坊能到50人?
kaleio 2004-11-09
  • 打赏
  • 举报
回复
做测试的待遇要少些,差多少不清楚
做测试不是说就和开发没关系啦,一样要有开发能力的,只是在招聘时,对测试人员的技术要求没有开发人员要求高而已.

软件测试这个职业有没有前途?
不好说,
一句话:做适合自己的工作最有前途,
你先了解一下测试人员的工作内容吧
内容概要:本文围绕“阶梯碳下考虑P2G-CCS与供需灵活响应的IES优化调度”展开,基于Matlab平台构建综合能源系统(IES)在阶梯式碳交易机制下的优化调度模型。研究深度融合电制气(P2G)与碳捕集、利用与封存(CCS)技术,结合需求侧灵活响应机制,旨在提升系统的低碳运行能力与经济性。通过建立多能流耦合的优化模型,协调电力、天然气、热力等多种能源形式的协同调度,有效降低系统碳排放强度,并借助YALIMIP工具包调用求解器进行高效求解。文档提供了完整的代码实现、模型构建流程与结果分析方法,涵盖从问题建模到仿真实现的全过程,具备较强的可复现性与科研参考价值。; 适合人群:具备电力系统、能源系统或优化建模相关背景的研究生、高校教师及工程技术人员,尤其适合从事综合能源系统、碳减排策略、P2G与CCS技术集成研究的专业人员,需熟练掌握Matlab编程与基本的数学规划知识。; 使用场景及目标:①用于研究阶梯式碳交易政策下综合能源系统的低碳经济调度策略;②支撑P2G-CCS技术与需求响应机制在IES中的仿真集成与性能评估;③作为撰写高水平学术论文(如EI/SCI收录)的技术基础与复现资源,推动碳中和背景下能源系统优化方向的创新研究。; 阅读建议:建议结合百度网盘提供的完整代码与资料包,按照模块逐步调试程序,重点理解目标函数的设计逻辑、碳交易成本的建模方式、约束条件的数学表达及求解器的配置方法,同时关注多能耦合设备的建模细节,配合公众号“荔枝科研社”获取持续的技术支持与案例拓展。
内容概要:本文系统研究了基于卷积神经网络(CNN)与支持向量机(SVM)融合的CNN-SVM混合模型在数据分类预测中的应用,尤其聚焦于工业故障识别领域。通过Matlab平台实现,该方法首先利用CNN强大的多层次特征提取能力对原始输入数据进行深度特征学习,自动捕获关键局部模式与空间结构信息,随后将提取的高层特征作为输入传递至SVM分类器,借助SVM在高维空间中小样本条件下卓越的分类性能与泛化能力完成最终判别任务。文中详尽阐述了模型的整体架构设计、网络参数配置、训练优化流程及特征迁移机制,充分结合了深度学习在特征表达上的优势与传统机器学习在分类决策上的稳健性。实验部分通过实际故障数据集验证了该混合模型相较于单一CNN或SVM模型在分类准确率、鲁棒性和抗过拟合能力方面的显著提升,证明了其在复杂故障诊断任务中的有效性与先进性; 适合人群:具备一定机器学习与深度学习理论基础,熟悉Matlab编程环境,从事故障诊断、模式识别、智能制造、电力系统监控或工业数据分析等相关领域的研究生、科研人员及工程技术开发者; 使用场景及目标:① 应用于旋转机械、电力设备、航空航天等领域的多类别故障识别与状态监测;② 掌握深度特征提取与传统分类器融合的技术路径,提升小样本、高噪声环境下数据分类的精度与可靠性;③ 为撰写高水平学术论文、开展科研项目或工程实践提供可复现的算法框架与完整代码支持; 阅读建议:读者应深入理解CNN与SVM的协同工作机制,重点分析特征提取层与分类层之间的接口设计,建议动手运行并调试所提供的Matlab代码,尝试在不同数据集上进行迁移实验与参数调优,以全面掌握该混合模型的应用技巧与优化策略。

5,226

社区成员

发帖
与我相关
我的任务
社区描述
软件工程/管理 质量管理/软件测试
功能测试压力测试安全性测试 个人社区 湖南省·长沙市
社区管理员
  • 软件测试
  • 虫无涯
  • 小博测试成长之路
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

欢迎大家加入到软件测试的社区,在这里,希望大家勇于发表自己的看法,欢迎大家分享自己在软件测试工作过程中遇到的问题以及工作经验分享。

1.想转行的小伙伴,遇到问题没有及时回复的,可以私聊小博进行反馈

2.大家对社区有好的建议,都可以在社区发帖进行反馈

推荐大家学习的软件测试入门笔记:软件测试入门学习笔记

试试用AI创作助手写篇文章吧