====== Moodul: Tarkvarasüsteemid ja vahevara (2. osa) ======^ **Õpiaste** | Meister |
^ ** ECTS ainepunkti** | 1 EAP |
^ **Õppevormid** | Hübriid või täielikult võrgus |
^ **Mooduli eesmärgid** | Mooduli eesmärk on tutvustada autonoomsete, küberfüüsikaliste ja AI-põhiste süsteemide tarkvara verifitseerimise, valideerimise ja testimise meetodeid. Kursus arendab õpilaste võimet kavandada, rakendada ja hinnata V&V strateegiaid füüsikapõhises ja andmepõhises tarkvaras kooskõlas asjakohaste ohutus- ja juhtimisstandarditega. |
^ **Eelnõuded** | Algteadmised tarkvaratehnikast, juhtimis- või manussüsteemidest ning programmeerimisoskused. Süsteemi disaini, testimismetoodikate, AI/ML kontseptsioonide või ohutusega seotud standardite tundmine on soovitatav, kuid mitte kohustuslik. |
^ **Õpitulemused** | **Teadmised**\\ • Selgitage V&V põhimõtteid nii füüsikapõhistes kui ka otsustuspõhistes täitmissüsteemides.\\ • Kirjeldage tarkvara testimise raamistikke, sealhulgas komponendi-, integratsiooni- ja süsteemitasemel lähenemisviise.\\ • Saate aru regulatiivsetest standarditest ja nende rollist ohutus- ja kindlustasemete määratlemisel.\\ • Analüüsige komponentide valideerimise väljakutseid, töökindluse testimise ja väljaõppega seotud väljakutseid. spetsifikatsioonivastased raamistikud.\\ **Oskused**\\ • Struktureeritud testiplaanide ja katvusanalüüside väljatöötamine ja elluviimine keerukate andmepõhiste süsteemide jaoks.\\ • Kasutage tehisintellektil põhinevate ja ohutuskriitiliste rakenduste katsestsenaariumide loomiseks ja hindamiseks simulatsioonitööriistu.\\ • Rakendage V&V tehnikaid tarkvara töökindluse ja toimivuse hindamiseks, kasutades AI mudelit. õigluse ja seletatavuse mõõdikud.\\ **Arusaamine**\\ • Hinda filosoofilisi ja praktilisi erinevusi deterministlike ja mittedeterministlike testimisparadigmade vahel.\\ • Tunnistage tehisintellekti ohutuse seisukohalt olulistes süsteemides juurutamise eetilist ja juhtimisalast mõju.\\ • Näidake tarkvara, interdistsiplinaarsete valdkondade testimise, projekteerimise ja projekteerimise autonoomset põhimõtet. süsteemid. |
^ **Teemad** | 1. Kontrollimise ja valideerimise põhialused:\\ – ülevaade PBE vs DBE paradigmadest, tõrkeanalüüsist ja ohutusargumentide struktuuridest.\\ – Sissejuhatus struktureeritud testimisse: üksus, integreerimine ja süsteemitaseme testimine.\\ 2. Ohutuskriitilised standardid ja juhtimine:\\ – ISO 26262 (Auto10 ja Motiiv), ASMIero9CMA (Automotive) raamistikud.\\ – Autotööstuse ohutuse terviklikkuse tasemed ja disaini tagamise tasemed.\\ 3. Tarkvara testimine ja katvus:\\ – Koodi katvus, pseudojuhuslik testide genereerimine ja stsenaariumipõhine valideerimine.\\ – Simulatsiooni, vea sisestamise ja testimise automatiseerimise roll.\\ 4. AI komponentide valideerimine AIs v:\\ – erinevus AIs; katvus, koodide ülevaatus ja andmete haldamine.\\ – Koolituskomplekti valideerimine, mürakindlus ja seletatav tehisintellekt.\\ 5. Spetsifikatsioonid ja spetsifikatsioonivastased väljakutsed:\\ – IEEE 2846 ja AI draiveri kontseptsioonid; eetilised, juriidilised ja vastutuse kaalutlused.\\ – Inimestega samaväärne testimine ja tulemuslikkusnce hindamisraamistikud.\\ 6. Tekkivad V&V suundumused:\\ – Pidev integreerimine, silmussimulatsioon ja tehisintellekti abil kontrollimine.\\ – Juhtumiuuringud: Autotööstuse ADAS, lennunduse autonoomia ja robootika. |
^ **Hinnangu liik** | Positiivse hinde eelduseks on mooduliteemade positiivne hinnang ja praktiliste tööde tulemuste esitamine koos nõutava dokumentatsiooniga. |
^ **Õppemeetodid** | **Loeng** — esitleb tarkvara ja tehisintellekti testimise teoreetilist alust, mis hõlmab ohutuskriitilisi standardeid ning tehisintellekti V&V väljakutseid.\\ **Laboritööd** — praktilised harjutused automatiseeritud testimisel, simulatsioonipõhisel valideerimisel ja stabiilsuse hindamisel Pythoni/ROS-i/MATLAB-i abil.\\ **Individuaalsed testimisstrateegiad ja -analüüsid. ISO/IEEE raamistikud ja tehniliste aruannete esitamine.\\ **Iseõppimine** — vaadake üle rahvusvahelised standardid, teaduskirjandus ja AI valideerimise juhtumiuuringud autonoomsetes domeenides. |
^ **AI osalus** | AI tööriistad võivad aidata luua testjuhtumeid, simuleerida keerulisi tööstsenaariume ja analüüsida katvuse lünki. Õpilased peavad kinnitama tehisintellekti loodud tulemusi, säilitama jälgitavuse ja dokumenteerima tehisintellekti kaasamise läbipaistvalt kooskõlas akadeemilise eetikaga. |
^ **Soovitatud tööriistad ja keskkonnad** | ROS, MATLAB |
^ **Kinnitamise ja kinnitamise fookus** |  |
^ **Asjakohased standardid ja reguleerivad raamistikud** | ISO 26262, AS9100, CMMI, IEEE 2846 |