| Naziv predmeta | Razvoj pouzdanih programa |
| Detalji | Kod
VSITE257 Skr.
RPP ECTS
5 Godina
2 Semester
Zimski semestar Vrsta
obvezatni smjera Razina HKO 7
Diplomski studiji E-Learning
0% |
| Aktivnosti | DIT zg - Ljet 22/23
ECTS
Jedinice
Sati
Svega P
1
15
2
30
A
0.5
15
1
15
L
0.5
14
1
15
S
0
0
0
0
KA
0
0
0
0
KP
0
2
2
0
PR
0
0
0
0
IP
0
0
0
0
IU
0
1
2
0
SU
3
1
90
90
|
| Nastavnici | Nositelji: Edmond Krusha, v. pred. |
| Preduvjeti | Nema |
| Sadržaj | Životni ciklus programske podrške. Razvojni ciklus. Temeljni postupci testiranja. Pristup testiranju, razine testiranja. Definiranje pogrješki. Funkcijsko testiranje. Upravljivost i mjerljivost postupka. Testiranje sustava. Primjena različitih principa I tehnika testiranja na projektima strojnog učenja. Vizualizacija rezultata algoritama strojnog učenja kao tehnika testiranja te primjena različitih paketa u tu svrhu. Analiza utjecaja različitih parametara algoritama strojnog učenja na performanse programskih modela u strojnom učenju. Strategija, prihvatljivost, regresija. Modeliranje programa, grafovi i dijagrami. Alati za testiranje programa.
|
| Ciljevi učenja | Osposobiti studenta za primjenu metoda razvoja pouzdane programske podrške.
|
| Ishodi učenja | 1. Objasniti i primijeniti razvojni i životni ciklus programa.
2. Koristiti metode modeliranja funkcionalnosti programa.
3. Odrediti kriterije kvalitete programskog produkta.
4. Kreirati kvalitetan i pouzdan programski produkt.
|
| Sposobnosti | Kolegij pruža temeljna znanja o metodologiji razvoja programske podrške sa stanovišta osiguranja kvalitete programa.
|
| Preporučena literatura | 1. Gennadiy Alpaev: Software Testing Automation Tips, Springer, 2017, https://link.springer.com/book/10.1007/978-1-4842-3162-3#toc
2. Roger S. Pressman: Software engineering: A Practitioner`s Approach; McGraw-Hill Science; 2009.
3. Steve McConnell: Code Complete: A Practical Handbook of Software Construction; 2nd Edition, Microsoft Press; 2009.
4. Dave Nicolette: Software Development Metrics, Manning Publications, 2015
5. Chris Birchall: Re-Engineering legacy Software, Manning Publications, 2015
|
| Dodatna literatura | 1. The dark side of software engineering, IEEE Computer society, Wiley, 2011
2. Elliotte Rusty Harold: XML 1.1 Bible; Wiley; 2004.
3. Software Development, Design and Coding, Springer 2017, https://link.springer.com/book/10.1007/978-1-4842-3153-1
4. Software Development From A to Z, Springer 2018, https://link.springer.com/book/10.1007/978-1-4842-3945-2
|
| predavanja (P) | - Uvod u kolegij, Modeliranje sustava - ER
- Modeliranje sustava - UML
- Modeliranje sustava - BPM
- Softversko inženjerstvo - Uvod, support, ne-agilne paradigme
- Softversko inženjerstvo - Uvod, support, agilne paradigme, SCRUM kao agilna paradigma
- Uvod u projektni management
- 1. kolokvij + Github/Gitlab
- Project management za inženjere
- Softversko inženjerstvo - tipovi testiranja
- Softversko inženjerstvo - Nefunkcionalno testiranje/Kontinuirana integracija i isporuka
- Primjena različitih principa i tehnika testiranja na projektima strojnog učenja.
- Analiza utjecaja različitih parametara algoritama strojnog učenja na performanse programskih modela u strojnom učenju
- Vizualizacija rezultata algoritama strojnog učenja kao tehnika testiranja te primjena različitih paketa u tu svrhu
- 2. kolokvij
- Završno predavanje - ponavljanje, istraživanja i smjernice
|
| auditorne vježbe (A) | - Primjer kreiranja ER modela
- Primjer kreiranje UML modela
- Primjer kreiranje BPM modela
- Primjer postavke JUnit testa
- Primjer rada s Mavenom,Primjer uporabe više pristupa
- Primjer dobrih praksi PM-u
- Git, Primjer uporabe više pristupa
- Primjer rada sa Seleniumom
- Primjer dobrih praksi pisanja OOP koda
- Primjer testiranja performansi sustava
- Primjer primjene metrika testiranja
- Primjer testnih scenarija
- Primjena različitih principa i tehnika testiranja na projektima strojnog učenja.
- Vizualizacija rezultata algoritama strojnog učenja kao tehnika testiranja te primjena različitih paketa u tu svrhu
- Analiza utjecaja različitih parametara algoritama strojnog učenja na performanse programskih modela u strojnom učenju
|
| laboratorijske vježbe (L) | - Modeliranje sustava - baza podataka
- Unit testing - baza
- Unit testing - JUnit
- Modeliranje sustava - BPMN
- Summary I - I sat - ER model, DB model, BPM
- Github/Gitlab, Maven - uvod
- JMeter - uvod
- Inženjerski pogled na projektni management
- Summary II -wireframing, unit testing, plan testiranja
- Selenium - uvod
- Primjena različitih principa i tehnika testiranja na projektima strojnog učenja.
- Analiza utjecaja različitih parametara algoritama strojnog učenja na performanse programskih modela u strojnom učenju
- Vizualizacija rezultata algoritama strojnog učenja kao tehnika testiranja te primjena različitih paketa u tu svrhu
- Nadoknade laboratorijskih vježbi
|
| kolokvij - teorija (KP) | - Prvi kolokvij
- Drugi kolokvij
|
| ispit - teorija (IU) | - testovi i kolokviji, seminari, konzultacije
|
| samostalno učenje (SU) | - testovi i kolokviji, konzultacije, samostalni rad i samostalno učenje
|
