我的职业转型之路:从点工到自动化测试工程师仅用了四个月

目录

引言

1、知识体系化

2、我的成长路线

功能测试——>UI自动化

UI自动化——>接口自动化

接口自动化——>性能测试

软件测试工程师发展规划路线

一、测试基础

二、Linux必备知识

三、Shell脚本

四、互联网程序原理

五、MySQL数据库

六、抓包工具

七、接口测试工具

八、Web自动化测试Java&Python

九、接口与移动端自动化

十、性能测试&安全测试

结语


引言

23年已快过半了,回望2022年,你的2022存在的技能问题不打算在今年解决一下子嘛,有时间一定要提升自己,这是最重要且必要的事情,答应我看完这篇文章,你能清楚的知道你还有哪些地方是需要加强的。

刚开始前几年一直做点点点测试,真的没啥提升,完全混日子,要说让我转型最快的时间应该是19年,四个月就从功能测试转到了自动化测试,后面才开始了我的测开之路,这是我人生之路的转折点了。

再说今年的各大招聘网站,测试工程师月薪一万以上基本都有一个必备技能,那就是自动化测试。那么自动化测试到底难不难呢?下面我将会将我的经历讲给大家听,希望听完后,大家会有自己的一个判断。

1、知识体系化

不知不觉,入行软件测试也有八九个年头了。待过创业公司也待过上市公司。做过功能测试、自动化测试也做过性能测试。做过测试新人也做过测试组长。如果要是从这8-9年中说出最宝贵的经验,我想应该是知识体系化。那么什么是知识体系化,每个人都有不同,下面简单来谈一下我的知识体系化。

2、我的成长路线

功能测试——>UI自动化

回想刚入行那会,功能测试都玩不溜。所以花了很多时间在功能测试用例的设计上,随着项目越做越多。用例设计也变得手到擒来。自己的内心也不满足于只做功能测试,觉得自动化测试很厉害的样子。

后来去学了代码基础。但是有一个问题,学了代码基础还是不会做自动化测试,因为那时候还傻傻分不清自动化到底有哪几种?随着学习的深入,知道软件测试中常见的自动化主要分为2种,一种是UI自动化,一种是接口自动化。

那么先学哪个呢?当时觉得UI自动化有点不明觉厉,因为可以代替手工点点点,非常酷炫。后来又花小半年时间学习UI自动化。到这里可能有点人会说,UI自动化要学这么久吗?对于当时的我来说,是的。虽然是计算机专业出身,但是大学学的东西基本都忘的差不多了。我们先来看UI自动化要学哪些内容(以selenium举例),下面用个思维导图简单列一下:

当然UI自动化需要学的内容远不止以上这些,这些东西算是比较核心的。学习过程中所有的知识都是零散的,想要组合起来对一个小白来说却是很难。后来有机会加入一个新的公司,需要用到UI自动化,然后去GitHub上找了很有优秀的代码以及看一些博客,终于实现了第一个自动化项目。那种感觉是非常棒的,那个项目我现在还保存着的,有兴趣的朋友可以找我去练练手。

UI自动化——>接口自动化

当然,后面走接口自动化之路,有了UI自动化学习经验,学习接口自动化基本没有费什么功夫。如果让我说UI自动化和接口自动化各有哪些优缺点,这是不好比较的,其目的都是为了软件质量。但是如果让我选择,我会选择接口自动化,因为接口一般是不容易变得的,UI界面是经常变的,所以接口自动化的维护成本相对较低。

接口自动化——>性能测试

UI自动化,接口自动化学完了,学什么呢?我又去学了性能,为什么学性能,完全是工作需要,后来发现性能真的是个无底洞,需要了解开发知识、服务器架构、操作系统、测试监控工具、容器知识等等。知识面太广,现在还在苦苦挣扎。当然在性能测试过程中,也去学了一些开发知识,之前做UI/接口自动化或者功能测试时只能从黑盒/灰盒层面去判断BUG原因,学了开发知识后,大概就知道这个bug是如何产生了。这对我自己的测试生涯也算是有了一个提高。

说了这么说,其实我们软件测试人员的知识体系常见的就以下几点:

软件测试工程师发展规划路线

下面,就为大家整理一份自己自学软件测试进阿里的最主流的职业规划路线学习流程,希望能够给你提供稍微的帮助 ~共勉 ~

一、测试基础


了解测试的基础技能,掌握主流缺陷管理工具的使用,熟练测试环境的操作与运维

测试计划/测试用例

黑盒用例设计等价类/边界值/场景分析/判定表/因果图分析/错误推断

缺陷

缺陷生命周期/缺陷分级/缺陷管理工具禅道Jira

数据库

Mysql/环境搭建/增删改查/关联查询/存储过程

Li

<think>嗯,用户是一名影像驱动工程师,需要职业规划和具体作计划。结合之前的讨论,用户所在企业强调"本分、用户导向、追求极致、结果导向"的文化,这些应该融入规划中。用户提供的引用材料涉及Prompt程体系、医学影像AI平台和跨界学习,说明需要技术深度与跨界能力结合。 用户的核心需求很明确:在医学影像驱动领域制定可执行的职业发展路径。需要特别注意几个关键: 1. 影像驱动工程师的特殊性:既要懂Camera底层硬件(如引用4提到的Sensor模组时钟/电源控制),又要对接AI算法(如MONAI平台的作流) 2. 企业文化的落地:比如"追求极致"体现在驱动优化指标上,"结果导向"要求量化作价值 3. 跨界必要性:引用3强调的多元思维对医疗AI领域尤为重要 规划框架应该包含: - 短期(0-6):聚焦驱动开发本职,比如完成Camera启动时序优化(引用4的技术) - 中期(6-18):向医疗AI作流延伸,学习MONAI平台集成(引用2的愿景) - 长期(18+):构建系统架构能力,参考引用1的AI中台演进路线 特别要注意量化指标,这是企业"结果导向"文化的体现。例如: - 驱动优化:将启动耗时从$$t_1$$降至$$t_2$$ ms - AI集成:模型推理延迟降低$x\%$ - 技术资产:沉淀$n$篇驱动设计模板 用户作为医疗设备开发者,还需强化"用户导向":临床需求转化能力应列入培养计划,比如通过医生访谈优化影像采集参数。</think>以下基于影像驱动工程师的岗位特性,结合企业文化的四个维度(本分、用户导向、追求极致、结果导向),为您制定职业发展规划及下一步作计划: --- ### **职业发展规划(3年路径)** ```mermaid gantt title 影像驱动工程师职业发展路径 dateFormat YYYY-MM section 技术深耕期 传感器驱动优化 :active, 2023-10, 6M AI影像流水线集成 :2024-04, 8M section 跨界拓展期 医疗AI模型部署框架研究 :2025-01, 12M 中台架构能力建设 :2026-01, 12M ``` 1. **本分维度:技术根基建设** - **核心目标**:掌握Camera子系统全链路技术(参考引用[4]) - 深入理解Sensor启动时序:时钟($$f_{MCLK}$$)、电源($$V_{DD}$$)、GPIO控制等物理层规范 - 建立设备树(Device Tree)标准化模板库,提升驱动开发效率30%[^4] - **输出物**:编写《影像驱动异常诊断手册》,纳入团队知识库 2. **用户导向维度:临床需求转化** - 对接MONAI平台临床需求(引用[2]): - 优化影像采集延迟:从医生操作到图像生成控制在$$ \Delta t \leq 500ms $$ - 参与临床作流设计,确保驱动层支持DICOM影像的实时降噪与增强 3. **追求极致维度:技术跨界融合** - 构建复合能力模型(参考引用[3]): ```python # 能力矩阵量化公式 def capability_score(hard_skill, soft_skill, cross_domain): return 0.6*hard_skill + 0.3*soft_skill + 0.1*cross_domain # 权重可调整 ``` - 重突破:将Prompt程体系(引用[1])应用于驱动调试 - 开发驱动诊断Prompt模板:自动解析`dmesg`日志定位异常 4. **结果导向维度:价值量化** | 指标 | 当前值 | 目标值 | 测量方式 | |---------------------|--------|--------|------------------| | 驱动启动耗时 | 1200ms | 800ms | 示波器抓取时序 | | 影像采集异常率 | 2.1% | ≤0.5% | 设备监控系统统计 | | 临床流程支持度 | 70% | 95% | 医生满意度调研 | --- ### **下一步作计划(6个)** ```mermaid flowchart TD A[第1-2] --> B[技术攻坚] A --> C[流程优化] B --> D[完成Sensor启动时序自动化测试具] C --> E[建立设备树版本控制规范] D --> F[第3-4] E --> F F --> G[集成MONAI预处理模块] F --> H[设计驱动安全热插拔方案] G --> I[第5-6] H --> I I --> J[输出3篇技术资产文档] I --> K[异常率降至1.2%] ``` **关键时间节**: 1. **2023-12-31前** - 完成Sensor控制信号自动化测试平台开发(基于引用[4]的GPIO/PMIC控制逻辑) - 输出《设备树字段校验规范》V1.0 2. **2024-02-28前** - 实现与MONAI影像预处理模块的API对接(支持DICOM实时转换) - 驱动启动耗时优化至950ms($$ \Delta t = \frac{1200-950}{1200} \times 100\% = 20.8\% $$) 3. **2024-03-31前** - 建立驱动安全热插拔方案:支持术中设备更换不影响影像流 - 临床验收测试通过率≥90% 4. **2024-04-30前** - 发布技术资产: - 《医疗影像驱动开发模板库》 - 《AI中台集成操作手册》 - 驱动异常诊断Prompt案例集(参考引用[1]的模板注册平台) --- ### **执行保障机制** 1. **能力培养** - 每参加1次MONAI社区研讨会(引用[2]的协作机制) - 学习医疗影像学基础(DICOM标准/放射物理) 2. **绩效挂钩**(参考引用[1]的评效体系) ```math KPI = 0.4 \times \text{技术产出} + 0.3 \times \text{临床价值} + 0.3 \times \text{知识沉淀} ``` 3. **风险应对** - 建立驱动回滚机制:当异常率$$ \lambda > 1\% $$时自动切换旧版 - 预留20%时间处理临床紧急需求 --- ### **文化践行要** - **本分**:确保每次代码提交都通过`regulators`状态检测(引用[4]) - **用户导向**:每跟台2次手术,记录医生操作痛 - **追求极致**:驱动延迟优化目标值按$$ a_{n} = a_1 \times (0.9)^n $$迭代 - **结果导向**:技术资产采纳率纳入晋升评估(引用[1]的L1-L4通道) 通过将程实践与企业文化深度结合,可逐步实现从驱动工程师向**医疗AI中台架构师**的转型[^1][^3]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值