Afstudeeropdracht in Software Development: Slimmer testen, …, Veenendaal

Machine learning kan softwaretesten slimmer maken

Met predictive test selection bepaal je automatisch welke tests relevant zijn bij een codewijziging, in plaats van steeds de hele suite te draaien. In deze afstudeeropdracht onderzoek je hoe deze techniek in het Stryker framework kan worden toegepast en bouw je een Proof of Concept dat testen sneller, efficiënter en duurzamer maakt.Interessegebieden: Software, testen, duurzaamheid Achtergrond

Deze opdracht maakt deel uit van het afstudeerproject CODE GREEN. Binnen dit project onderzoeken we hoe software duurzamer kan worden gemaakt gedurende de hele lifecycle, van ontwerp en ontwikkeling tot testen en onderhoud. Jouw opdracht iséén van de bouwstenen waarmee we concrete oplossingen ontwikkelen die energie besparen, CO₂‑uitstoot verminderen en software groener maken.Testautomatisering is onmisbaar in moderne softwareontwikkeling. Het draaien van volledige test suites bij elke kleine codewijziging kost veel tijd en rekenkracht, wat leidt tot verspilling van resources, hogere cloudkosten en een onnodig hoge CO₂‑uitstoot. Facebook (Meta) onderzocht hoe predictive test selection (PTS) dit probleem kan aanpakken. Met machine learning voorspelt PTS welke tests geraakt worden door een specifieke wijziging, zodat alleen die tests uitgevoerd hoeven te worden. Zo wordt testen slimmer, sneller en duurzamer.Opdracht

Onderzoek hoe predictive test selection werkt en hoe deze techniek toegepast kan worden binnen het Stryker framework. Ontwerp en implementeer vervolgens een Proof of Concept (PoC) waarmee op basis van recente codewijzigingen automatisch een relevante subset van testen wordt geselecteerd en uitgevoerd.In je onderzoek beantwoord je onder andere de volgende vragen: Hoe werkt predictive test selection technisch, zoals bij Facebook? Welke features uit de Stryker toolset kunnen worden hergebruikt? Welke externe tooling of libraries zijn nodig om predictive test selection te integreren in Stryker?Welke besparingen in tijd, kosten en CO₂‑uitstoot zijn te verwachten? Je demonstreert de werking van je oplossing met een case study op een bestaande JavaScript-, .NET- of Scala-codebase. Blijkt de feature succesvol, dan is de kans groot dat jouw werk na afstuderen wordt opgenomen in de officiële Stryker release, waarmee je directimpact maakt binnen de open source community.Vereisten

Om deze opdracht te kunnen doen is B2-taalvaardigheid in het Nederlands vereist.

#J-18808-Ljbffr