https://sdq.kastel.kit.edu/api.php?action=feedcontributions&user=Hw4848&feedformat=atomSDQ-Institutsseminar - Benutzerbeiträge [de]2024-03-29T13:49:12ZBenutzerbeiträgeMediaWiki 1.39.6https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisierung_von_GUI-Tests_f%C3%BCr_Webanwendungen_durch_den_Einsatz_gro%C3%9Fer_Sprachmodelle&diff=2941Automatisierung von GUI-Tests für Webanwendungen durch den Einsatz großer Sprachmodelle2024-03-11T11:50:02Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Simon Ding<br />
|email=hw4848@kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2024-03-15<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Die Testautomatisierung ist ein entscheidender Schritt zur Steigerung der Softwarequalität und zur Minimierung von Fehlern. Automatisierte Tests können durch die schnelle und effiziente Identifikation und Behebung von Problemen Zeit und Kosten sparen. Ein entscheidender Aspekt der Softwarequalität ist die Benutzeroberfläche, welche die primäre Schnittstelle für den Anwender darstellt. Für diesen Zweck eignen sich explorative Tests, die Anwendungszustände erkunden. Das effiziente Durchforsten der Anwendungszustände gestaltet sich jedoch als Herausforderung, da die Anzahl der möglichen Pfade durch die Anwendung mit jeder zusätzlichen Interaktion exponentiell ansteigt. Ein vielversprechender Ansatz ist der Einsatz von großen Sprachmodellen (LLMs) zur Generierung von Benutzeraktionen. In dieser Arbeit wird dieser Ansatz in einem realistischen Szenario erprobt und untersucht, wie effektiv LLMs darin sind, Zustände zu erreichen, die mit konventionellen Methoden schwer zugänglich sind.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisierung_von_GUI-Tests_f%C3%BCr_Webanwendungen_durch_den_Einsatz_gro%C3%9Fer_Sprachmodelle&diff=2930Automatisierung von GUI-Tests für Webanwendungen durch den Einsatz großer Sprachmodelle2024-02-06T12:44:21Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Simon Ding |email=hw4848@kit.edu |vortragstyp=Masterarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2024-03-15-Zusatztermin |vortragsmodus=in Präsenz |kurzfassung=Kurzfassung }}“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Simon Ding<br />
|email=hw4848@kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2024-03-15-Zusatztermin<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Kurzfassung<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_GUI-basiertes_Testen_einer_Passwortmanager-Applikation_mit_Neuroevolution&diff=2545Automatisiertes GUI-basiertes Testen einer Passwortmanager-Applikation mit Neuroevolution2023-06-05T12:14:15Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-06-09<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Software-Testing ist essenziell zur Gewährleistung der Qualität und Funktionalität von Softwareprodukten. Es existieren sowohl manuelle als auch automatisierte Methoden. Allerdings weisen sowohl automatisierte Verfahren als auch menschliche und skriptbasierte Tests bezüglich Kosteneffizienz und Zeitaufwand Einschränkungen auf. Monkey-Testing, gekennzeichnet durch zufällige Klicks auf der Benutzeroberfläche, berücksichtigt dabei oft nicht ausreichend die Logik der Applikation.<br />
<br />
Diese Bachelorarbeit konzentriert sich auf die automatisierte neuroevolutionäre Testmethode, die neuronale Netze als Testagenten nutzt und diese mittels evolutionärer Algorithmen über mehrere Generationen hinweg verfeinert. Zur Evaluierung dieser Agenten und zum Vergleich mit Monkey-Testing wurde eine simulierte Version einer Passwort-Manager Applikation eingesetzt. Dabei wurde eine Belohnungsstruktur innerhalb der simulierten Anwendung implementiert. Die Ergebnisse verdeutlichen, dass das neuroevolutionäre Testverfahren im Hinblick auf die erzielten Belohnungen im Vergleich zum Monkey-Testing signifikant besser performt. Dies führt zu einer besseren Berücksichtigung der Anwendungslogik im Testprozess.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_GUI-basiertes_Testen_einer_Passwortmanager-Applikation_mit_Neuroevolution&diff=2544Automatisiertes GUI-basiertes Testen einer Passwortmanager-Applikation mit Neuroevolution2023-05-31T11:42:38Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-06-09<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2023-06-09&diff=2543Institutsseminar/2023-06-092023-05-31T11:42:09Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Termin |datum=2023-06-09T11:30:00.000Z |raum=Raum 348 (Gebäude 50.34) }}“</p>
<hr />
<div>{{Termin<br />
|datum=2023-06-09T11:30:00.000Z<br />
|raum=Raum 348 (Gebäude 50.34)<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Software_Testing&diff=2497Software Testing2023-04-11T14:37:08Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2017-08-11<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Software_Testing&diff=2496Software Testing2023-04-11T14:36:11Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-06-16<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Software_Testing&diff=2495Software Testing2023-04-11T14:07:16Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer (wurde verschoben)<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-04-28<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_GUI-basiertes_Testen_einer_Passwortmanager-Applikation_mit_Neuroevolution&diff=2494Automatisiertes GUI-basiertes Testen einer Passwortmanager-Applikation mit Neuroevolution2023-03-30T07:31:55Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Marvin Schäfer |email=uqqwi@student.kit.edu |vortragstyp=Bachelorarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2023-06-1…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-06-16<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=GUI-basiertes_Testen_einer_Lernplattform-Anwendung_durch_Nutzung_von_Neuroevolution&diff=2478GUI-basiertes Testen einer Lernplattform-Anwendung durch Nutzung von Neuroevolution2023-03-20T16:07:37Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Ulas Uyanik<br />
|email=ubgge@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-03-31-Zusatztermin<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Software-Testing ist notwendig, um die Qualität und Funktionsfähigkeit von Softwareartefakten sicherzustellen. Es gibt sowohl automatisierte als auch manuelle Testverfahren. Allerdings sind automatisierte Verfahren, sowie menschliches Testen und skriptbasiertes Testen in Bezug auf Zeitaufwand und Kosten weniger gut skalierbar. Monkey-Testing, das durch zufällige Klicks auf der Benutzeroberfläche gekennzeichnet ist, berücksichtigt die Applikationslogik oft nicht ausreichend.<br />
Der Fokus dieser Bachelorarbeit liegt auf dem automatisierten neuroevolutionären Testverfahren, das neuronale Netze als Testagenten verwendet und sie mithilfe evolutionärer Algorithmen über mehrere Generationen hinweg verbessert. Um das Training der Agenten zu ermöglichen und den Vergleich zum Monkey-Testing zu ermöglichen, wurde eine simulierte Version der Lernplattform Anki implementiert. Zur Beurteilung der Testagenten wurde eine Belohnungsstruktur in der simulierten Anwendung entwickelt.<br />
Die Ergebnisse zeigen, dass das neuroevolutionäre Testverfahren im Vergleich zum Monkey-Testing in Bezug auf erreichte Belohnungen signifikant besser abschneidet. Dadurch wird die Applikationslogik im Testprozess besser berücksichtigt.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisierte_Gewinnung_von_Nachverfolgbarkeitsverbindungen_zwischen_Softwarearchitektur_und_Quelltext&diff=2419Automatisierte Gewinnung von Nachverfolgbarkeitsverbindungen zwischen Softwarearchitektur und Quelltext2023-02-08T10:10:13Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Tobias Telge<br />
|email=ugjtw@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Jan Keim<br />
|termin=Institutsseminar/2023-03-31-Zusatztermin<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Kurzfassung<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=GUI-basiertes_Testen_einer_Lernplattform-Anwendung_durch_Nutzung_von_Neuroevolution&diff=2418GUI-basiertes Testen einer Lernplattform-Anwendung durch Nutzung von Neuroevolution2023-02-08T10:08:41Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Ulas Uyanik<br />
|email=ubgge@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-03-31-Zusatztermin<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Kurzfassung<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2023-03-31-Zusatztermin&diff=2417Institutsseminar/2023-03-31-Zusatztermin2023-02-08T10:06:13Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2023-03-31T11:30:00.000Z<br />
|raum=Raum 252 (Gebäude 50.34)<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2023-03-31-Zusatztermin&diff=2416Institutsseminar/2023-03-31-Zusatztermin2023-02-08T10:05:52Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2023-03-31T11:30:00.000Z<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2023-03-31-Zusatztermin&diff=2415Institutsseminar/2023-03-31-Zusatztermin2023-02-08T10:05:37Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Termin |datum=2023-03-31T11:30:00.000Z |raum=Raum 348 (Gebäude 50.34) }}“</p>
<hr />
<div>{{Termin<br />
|datum=2023-03-31T11:30:00.000Z<br />
|raum=Raum 348 (Gebäude 50.34)<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=GUI-basiertes_Testen_einer_Lernplattform-Anwendung_durch_Nutzung_von_Neuroevolution&diff=2414GUI-basiertes Testen einer Lernplattform-Anwendung durch Nutzung von Neuroevolution2023-02-07T14:38:16Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Ulas Uyanik |email=ubgge@student.kit.edu |vortragstyp=Bachelorarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2023-03-31 |v…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Ulas Uyanik<br />
|email=ubgge@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-03-31<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=Kurzfassung<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Software_Testing&diff=2376Software Testing2022-12-20T15:36:53Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Marvin Schäfer |email=uqqwi@student.kit.edu |vortragstyp=Bachelorarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2023-04-2…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Marvin Schäfer<br />
|email=uqqwi@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2023-04-28<br />
|vortragsmodus=in Präsenz<br />
|kurzfassung=TBA<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2022-05-06&diff=2159Institutsseminar/2022-05-062022-05-04T13:48:49Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2022-05-06T11:30:00.000Z<br />
|raum=Raum 348 (Gebäude 50.34)<br />
|online=https://sdqweb.ipd.kit.edu/wiki/SDQ-Oberseminar/Microsoft_Teams<br />
}}<br />
Beide Vorträge finden nacheinander statt, erst die MA von Patrick Deubel rein online über MS Teams und anschließend die MA von Daniel Jungkind in Präsenz.</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2022-05-06&diff=2158Institutsseminar/2022-05-062022-05-04T13:47:51Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2022-05-06T11:30:00.000Z<br />
|raum=Raum 348 (Gebäude 50.34)<br />
|online=https://sdqweb.ipd.kit.edu/wiki/SDQ-Oberseminar/Microsoft_Teams<br />
}}<br />
Beide Vorträge finden nacheinander statt, erst die MA von Patrick Deubel rein online über MS Teams und anschließend die MA von Daniel Jungkind im hybriden Format.</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2022-05-06&diff=2157Institutsseminar/2022-05-062022-05-04T13:47:13Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2022-05-06T11:30:00.000Z<br />
|raum=Raum 348 (Gebäude 50.34)<br />
|online=https://sdqweb.ipd.kit.edu/wiki/SDQ-Oberseminar/Microsoft_Teams<br />
}}<br />
Beide Vorträge finden nacheinander statt, erst die MA von Patrick Deubel rein online über MS Teams und anschließend die MA von im hybriden Format.</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2142Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-04-27T09:21:13Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Graphical User Interfaces (GUIs) are a common interface to control software. Testing the graphical elements of GUIs is time-consuming for a human tester because it requires interacting with each element, in each possible state that the GUI can be in. Instead, automated approaches are desired, but they often require many interactions with the software to improve their method. For computationally-intensive tasks, this can become infeasible. In this thesis, I investigate the usage of a reinforcement learning (RL) framework for the task of automatically maximizing the code coverage of desktop GUI software using mouse clicks. The framework leverages two neural networks to construct a simulation of the software. An additional third neural network controls the software and is trained on the simulation. This avoids the possibly costly interactions with the actual software. Further, to evaluate the approach, I developed a desktop GUI software on which the trained networks try to maximize the code coverage. The results show that the approach achieves a higher coverage compared to a random tester when considering a limited amount of interactions. However, for longer interaction sequences, it stagnates, while the random tester increases the coverage further, and surpasses the investigated approach. Still, in comparison, both do not reach a high coverage percentage. Only random testers, that use a list of clickable widgets for the interaction selection, achieved values of over 90% in my evaluation.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2141Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-04-27T09:20:56Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Graphical User Interfaces (GUIs) are a common interface to control software. Testing the graphical elements of GUIs is time-consuming for a human tester because it requires interacting with each element, in each possible state that the GUI can be in. Instead, automated approaches are desired, but they often require many interactions with the software to improve their method. For computationally-intensive tasks, this can become infeasible. In this thesis, I investigate the usage of a reinforcement learning (RL) framework for the task of automatically maximizing the code coverage of desktop GUI software using mouse clicks. The framework leverages two neural networks to construct a simulation of the software. An additional third neural network controls the software and is trained on the simulation. This avoids the possibly costly interactions with the actual software.<br />
Further, to evaluate the approach, I developed a desktop GUI software on which the trained networks try to maximize the code coverage.<br />
The results show that the approach achieves a higher coverage compared to a random tester when considering a limited amount of interactions.<br />
However, for longer interaction sequences, it stagnates, while the random tester increases the coverage further, and surpasses the investigated approach. Still, in comparison, both do not reach a high coverage percentage. Only random testers, that use a list of clickable widgets for the interaction selection, achieved values of over 90% in my evaluation.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2140Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-04-26T16:42:30Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Graphical User Interfaces (GUIs) are a common interface to control software. Testing the graphical elements of GUIs is time-consuming for a human tester because it requires interacting with each element, in each possible state that the GUI can be in. Instead, automated approaches are desired, but they often require many interactions with the software to improve their method. For computationally-intensive tasks, this can become infeasible. In this thesis, I investigate the usage of a reinforcement learning (RL) framework for the task of automatically maximizing the code coverage of desktop GUI software using mouse clicks.<br />
The framework leverages two neural networks to construct a simulation of the software. An additional third neural network controls the software and is trained on the simulation. This avoids the possibly costly interactions with the actual software.<br />
Further, to evaluate the approach, I developed a desktop GUI software on which the trained networks try to maximize the code coverage.<br />
The results show that the approach achieves a higher coverage compared to a random tester when considering a limited amount of interactions.<br />
However, for longer interaction sequences, it stagnates, while the random tester increases the coverage further, and surpasses the investigated approach. Still, in comparison, both do not reach a high coverage percentage. Only random testers, that use a list of clickable widgets for the interaction selection, achieved values of over 90% in my evaluation.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2139Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-04-26T16:42:17Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Graphical User Interfaces (GUIs) are a common interface to control software. Testing the graphical elements of GUIs is time-consuming for a human tester because it requires interacting with each element, in each possible state that the GUI can be in. Instead, automated approaches are desired, but they often require many interactions with the software to improve their method. For computationally-intensive<br />
tasks, this can become infeasible. In this thesis, I investigate the usage of a reinforcement learning (RL) framework for the task of automatically maximizing the code coverage of desktop GUI software using mouse clicks.<br />
The framework leverages two neural networks to construct a simulation of the software. An additional third neural network controls the software and is trained on the simulation. This avoids the possibly costly interactions with the actual software.<br />
Further, to evaluate the approach, I developed a desktop GUI software on which the trained networks try to maximize the code coverage.<br />
The results show that the approach achieves a higher coverage compared to a random tester when considering a limited amount of interactions.<br />
However, for longer interaction sequences, it stagnates, while the random tester increases the coverage further, and surpasses the investigated approach. Still, in comparison, both do not reach a high coverage percentage. Only random testers, that use a list of clickable widgets for the interaction selection, achieved values of over 90% in my evaluation.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2138Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-04-26T16:41:24Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Graphical User Interfaces (GUIs) are a common interface to control software. Testing the graphical elements<br />
of GUIs is time-consuming for a human tester because it requires interacting with each element, in each<br />
possible state that the GUI can be in. Instead, automated approaches are desired, but they often<br />
require many interactions with the software to improve their method. For computationally-intensive<br />
tasks, this can become infeasible. In this thesis,<br />
I investigate the usage of a reinforcement learning (RL) framework for the task of automatically<br />
maximizing the code coverage of desktop GUI software using mouse clicks.<br />
The framework leverages two neural networks<br />
to construct a simulation of the software. An additional third neural network controls the software<br />
and is trained on the simulation. This avoids the possibly costly interactions with the actual software.<br />
Further, to evaluate the approach, I developed<br />
a desktop GUI software on which the trained networks try to maximize the code coverage.<br />
The results show that the approach<br />
achieves a higher coverage compared to a random tester when considering a limited amount of interactions.<br />
However, for longer interaction sequences, it stagnates, while the random tester increases the coverage further,<br />
and surpasses the investigated approach. Still, in comparison, both do not reach a high coverage percentage.<br />
Only random testers, that use a list of clickable widgets for the interaction selection, achieved values of<br />
over 90% in my evaluation.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Investigating_Variational_Autoencoders_and_Mixture_Density_Recurrent_Neural_Networks_for_Code_Coverage_Maximization&diff=2075Investigating Variational Autoencoders and Mixture Density Recurrent Neural Networks for Code Coverage Maximization2022-02-01T14:13:27Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Patrick Deubel |email=uwede@student.kit.edu |vortragstyp=Masterarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2022-05-06 |…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Patrick Deubel<br />
|email=uwede@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-05-06<br />
|vortragsmodus=online<br />
|kurzfassung=Kurzfassung<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2022-01-28&diff=2074Institutsseminar/2022-01-282022-01-26T08:41:38Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2022-01-28T12:00:00.000Z<br />
|raum=MS Teams<br />
|online=https://sdqweb.ipd.kit.edu/wiki/SDQ-Oberseminar/Microsoft_Teams<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Entwicklung_und_Analyse_von_Auto-Encodern_f%C3%BCr_GUI-basiertes_Software-Testing_durch_KI&diff=2067Entwicklung und Analyse von Auto-Encodern für GUI-basiertes Software-Testing durch KI2022-01-20T16:05:50Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Felix Rittler<br />
|email=felix.rittler@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-01-28<br />
|vortragsmodus=online<br />
|kurzfassung=Das Testen von Software über deren graphischen Benutzeroberflächen wird mit zunehmender Komplexität der Software (und damit einhergehender Variabilität in der Benutzeroberfläche) aufwendiger. Rein manuelles Testen durch den Entwickler und das Schreiben von Testfällen sind oft nicht mehr möglich. Daher sind neue Ansätze aus dem Bereich des maschinellen Lernens erforderlich, um diese Arbeiten zu erleichtern. Ein Lösungsansatz kann der Einsatz neuronaler Netze sein, die am Forschungszentrum Informatik (FZI) entwickelt werden. Als Eingabedaten sollen dabei Zustände einer graphischen Benutzeroberfläche als Bild dienen, welche jedoch zu komplex sind, um in Echtzeit von diesen Netzen verarbeitet zu werden. In dieser Masterarbeit wurde untersucht, inwiefern eine Kompression der Daten durch den Encoder-Teil von Autoencodern stattfinden kann. Hierzu wurden vier verschiedene Autoencoder-Architekturen entwickelt und analysiert, inwiefern sie sich für diesen Zweck eignen. Um die Autoencoder zu trainieren, wurde ein Trainingsdatengenerator in Rust unter Verwendung von dort vorhandenen GUI-Toolkits als Mock-Applikation einer realen GUI entwickelt. Der Trainingsdatengenerator eignet sich sehr gut zum Training der Autoencoder, da er sehr passgenau Trainingsdaten generieren kann. Aufgrund des frühen Stadiums der verwendeten Werkzeuge traten jedoch während der Entwicklung Fehler auf, die die Entwicklung hemmten. Für diese wurden Workarounds entwickelt, die teilweise die Handhabung des Generators erschweren. Darüber hinaus lässt sich feststellen, dass der Aufwand zur exakten Nachbildung einer Applikation als Mock sehr hoch ist.<br />
Bezüglich der Kompression von Informationen über Benutzeroberflächen durch die Autoencoder waren die Ergebnisse dagegen vielversprechend, da die Testdaten auch in hoher Auflösung von 900 x 935 Pixeln mit hoher Genauigkeit rekonstruiert werden konnten. Erste Experimente ergaben, dass die Autoencoder darüber hinaus Fähigkeiten entwickeln, Applikationen mit ähnlichem Farbschema oder ähnlicher Designsprache zu kodieren und wiederzugeben. Ein erstes Fazit über die Fähigkeiten zur Generalisierung fällt daher ebenso positiv aus. Die Genauigkeit der Reproduktion sinkt, wenn die Eingabe farblich oder designtechnisch stark von den Trainingsdaten abweicht.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Entwicklung_und_Analyse_von_Auto-Encodern_f%C3%BCr_GUI-basiertes_Software-Testing_durch_KI&diff=2066Entwicklung und Analyse von Auto-Encodern für GUI-basiertes Software-Testing durch KI2022-01-20T16:04:41Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Felix Rittler<br />
|email=felix.rittler@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-01-28<br />
|vortragsmodus=online<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2021-11-12&diff=1855Institutsseminar/2021-11-122021-11-04T16:31:24Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2021-11-12T12:00:00.000Z<br />
|raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft_Teams<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=The_hW-inference_Algorithm:_Theory_and_Application&diff=1854The hW-inference Algorithm: Theory and Application2021-11-04T16:02:33Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Moritz Halm<br />
|email=moritz.halm@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=Active inference-Alogrithmen konstruieren ein Modell einer als black box gegebenen Software durch interaktives Testen. hW-inference ist ein solcher active inference Algorithmus, welcher insbesonder Modelle von Software lernen kann ohne sie währendessen neu zu starten. Die gelernten Modelle sind endliche Zustandsautomaten mit Eingaben und Ausgaben (Mealy Automaten).<br />
Der theoretische Teil der Arbeit behandelt das bislang ungelöste Problem, einen formalen Beweis für die Korrektheit von hW-inference zu finden. Im praktischen Teil schlagen wir heuristische Optimierungen vor, die die Anzahl der zum Lernen benötigten Eingaben verringern. Diese Heuristiken sind potentiell auch für anderen Lern- oder Testverfahren von endlichen Zustandsautomaten relevant.<br />
Endliche Zustandsautomaten sind außerdem ein verbreitetes Modell, das zum automatisiertem Testen von Anwendungen mit graphischen Benutzeroberflächen (GUIs) verwendet wird. Wir erötern, dass mit active inference-Algorithmen besonders präzise Modelle existierender GUI-Anwendugnen gelernt werden können. Insbesondere können dabei interne, nicht sichtbare Zustände der Anwendung unterschieden werden. Die Anwendung wird außerdem bereits durch den interkativen inference-Prozess gründlich getestet. Wir evaluieren diesen Ansatz in einer Fallstudie mit hW-inference.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1842Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-26T18:08:37Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-05<br />
|kurzfassung=Das Testen von Softwareprojekten ist mit einem hohen Arbeitsaufwand verbunden, dies betrifft insbesondere die grafische Benutzeroberfläche.<br />
Verfahren der künstlichen Intelligenz auf der Grundlage neuronaler Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden.<br />
In dieser Arbeit wird ein neuartiges neuronales Netzwerk auf seine Fähigkeit hin untersucht, eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu testen.<br />
Des Weiteren wird ein Framework entwickelt, welches mithilfe von leistungsfähigen GPUs den Trainingsvorgang deutlich beschleunigen kann.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1841Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-26T18:06:10Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-05<br />
|kurzfassung=Das Testen von Softwareprojekten ist mit einem hohen Arbeitsaufwand verbunden, dies betrifft insbesondere die grafische Benutzeroberfläche.<br />
Verfahren der künstlichen Intelligenz auf der Grundlage neuronaler Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden.<br />
In dieser Arbeit wird ein neuartiges neuronales Netzwerk auf seine Fähigkeit hin untersucht, eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu untersuchen.<br />
Des Weiteren wird ein System entwickelt, welches mithilfe von besonders leistungsfähigen Grafikkarten das neuronale Netzwerk schneller trainieren kann, als sonst mögich wäre.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1840Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-26T18:02:58Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-05<br />
|kurzfassung=Das Testen von großen Softwareprojekten ist mit viel Arbeitsaufwand verbunden. Ein Aspekt der hier oft übersehen wird, ist die Benutzeroberfläche.<br />
Künstliche Intelligenz und Neuronale Netzwerke können genutzt werden, um viele der besonders aufwändigen Aufgaben schneller oder sogar besser zu lösen als herkömmliche Methoden.<br />
In dieser Arbeit wird ein neuartiges Neuronales Netzwerk auf seine Fähigkeit hin untersucht eine Software allein anhand der Pixeldaten ihrer Benutzeroberfläche zu untersuchen.<br />
Des Weiteren wird ein System entwickelt, welches mithilfe von besonders leistungsfähigen Grafikkarten das neuronale Netzwerk schneller trainieren kann, als sonst mögich wäre.<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2021-11-05&diff=1824Institutsseminar/2021-11-052021-10-13T12:10:52Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2021-11-05T12:00:00.000Z<br />
|raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft Teams<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1823Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-13T12:10:14Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-05<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2021-11-05&diff=1822Institutsseminar/2021-11-052021-10-13T12:09:55Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Termin |datum=2021-11-05T12:08:41.000Z |raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft Teams }}“</p>
<hr />
<div>{{Termin<br />
|datum=2021-11-05T12:08:41.000Z<br />
|raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft Teams<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatische_Klassifikation_von_GitHub-Projekten_nach_Anwendungsbereichen&diff=1821Automatische Klassifikation von GitHub-Projekten nach Anwendungsbereichen2021-10-13T12:05:44Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Hermann Krumrey<br />
|email=uodxh@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Yves Kirschner<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatische_Klassifikation_von_GitHub-Projekten_nach_Anwendungsbereichen&diff=1820Automatische Klassifikation von GitHub-Projekten nach Anwendungsbereichen2021-10-13T09:29:11Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Hermann Krumrey<br />
|email=uodxh@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Yves Kirschner<br />
|termin=Institutsseminar/2021-11-12 Zusatztermin<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Data-Preparation_for_Machine-Learning_Based_Static_Code_Analysis&diff=1819Data-Preparation for Machine-Learning Based Static Code Analysis2021-10-07T15:12:59Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Felix Griesau |email=femigr@gmail.com |vortragstyp=Masterarbeit |betreuer=Robert Heinrich |termin=Institutsseminar/2022-01-28 |kurzfass…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Felix Griesau<br />
|email=femigr@gmail.com<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Robert Heinrich<br />
|termin=Institutsseminar/2022-01-28<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Entwicklung_und_Analyse_von_Auto-Encodern_f%C3%BCr_GUI-basiertes_Software-Testing_durch_KI&diff=1818Entwicklung und Analyse von Auto-Encodern für GUI-basiertes Software-Testing durch KI2021-10-07T13:39:55Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Felix Rittler |email=felix.rittler@student.kit.edu |vortragstyp=Masterarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2022-…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Felix Rittler<br />
|email=felix.rittler@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2022-01-28<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Frederik_Scheiderbauer&diff=1817Frederik Scheiderbauer2021-10-07T13:21:17Z<p>Hw4848: Hw4848 verschob die Seite Frederik Scheiderbauer nach Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen</p>
<hr />
<div>#WEITERLEITUNG [[Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen]]</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1816Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-07T13:21:17Z<p>Hw4848: Hw4848 verschob die Seite Frederik Scheiderbauer nach Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Automatisiertes_Black-Box_Software_Testing_mit_neuartigen_neuronalen_Netzen&diff=1815Automatisiertes Black-Box Software Testing mit neuartigen neuronalen Netzen2021-10-07T13:19:54Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Frederik Scheiderbauer |email=ujepm@student.kit.edu |vortragstyp=Bachelorarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/20…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Frederik Scheiderbauer<br />
|email=ujepm@student.kit.edu<br />
|vortragstyp=Bachelorarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=SDQ-Seminar/2021-10-11&diff=1792SDQ-Seminar/2021-10-112021-09-20T17:39:02Z<p>Hw4848: Hw4848 verschob die Seite SDQ-Seminar/2021-10-11 nach The hW-inference Algorithm: Theory and Application</p>
<hr />
<div>#WEITERLEITUNG [[The hW-inference Algorithm: Theory and Application]]</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=The_hW-inference_Algorithm:_Theory_and_Application&diff=1791The hW-inference Algorithm: Theory and Application2021-09-20T17:39:02Z<p>Hw4848: Hw4848 verschob die Seite SDQ-Seminar/2021-10-11 nach The hW-inference Algorithm: Theory and Application</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Moritz Halm<br />
|email=moritz.halm@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=The_hW-inference_Algorithm:_Theory_and_Application&diff=1790The hW-inference Algorithm: Theory and Application2021-09-20T14:45:59Z<p>Hw4848: </p>
<hr />
<div>{{Vortrag<br />
|vortragender=Moritz Halm<br />
|email=moritz.halm@student.kit.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=The_hW-inference_Algorithm:_Theory_and_Application&diff=1789The hW-inference Algorithm: Theory and Application2021-09-20T14:44:38Z<p>Hw4848: Die Seite wurde neu angelegt: „{{Vortrag |vortragender=Moritz Halm |email=Moritz.Halm@student.edu |vortragstyp=Masterarbeit |betreuer=Daniel Zimmermann |termin=Institutsseminar/2021-11-12 |k…“</p>
<hr />
<div>{{Vortrag<br />
|vortragender=Moritz Halm<br />
|email=Moritz.Halm@student.edu<br />
|vortragstyp=Masterarbeit<br />
|betreuer=Daniel Zimmermann<br />
|termin=Institutsseminar/2021-11-12<br />
|kurzfassung=TBD<br />
}}</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2021-06-25&diff=1697Institutsseminar/2021-06-252021-06-14T08:39:50Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2021/06/25 14:00:00<br />
|raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft_Teams<br />
}}<br />
Mit Ralf und Anne abgesprochen: Vorträge finden parallel statt. (BA Julian Roßkothen in einer Session mit Anne und die anderen beiden Arbeiten in einer parallelen Session mit Ralf.)</div>Hw4848https://sdq.kastel.kit.edu/mediawiki-institutsseminar/index.php?title=Institutsseminar/2021-06-25&diff=1696Institutsseminar/2021-06-252021-06-14T08:38:35Z<p>Hw4848: </p>
<hr />
<div>{{Termin<br />
|datum=2021/06/25 14:00:00<br />
|raum=https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft_Teams<br />
}}<br />
Mit Ralf und Anne abgesprochen: Sessions laufen parallel ab.</div>Hw4848