VIP20
本课程属于：034-缺陷分析实战 半导体工艺与制造设备 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

缺陷密度评估：基于代码复杂度与测试覆盖率的量化实践

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
缺陷密度定义 · 为什么需要量化评估 · 课程目标与学习路径
课程导论缺陷密度定义
02
软件质量度量基础
度量体系概述 · 缺陷密度在质量模型中的位置 · 常见度量指标对比
软件质量度量基础度量体系概述
03
代码复杂度基础
圈复杂度（Cyclomatic Co…
代码复杂度基础Cyclomatic
04
圈复杂度计算实践
使用Python计算单函数的圈复杂度 · McCabe方法详解
圈复杂度计算实践Python
05
其他复杂度指标
认知复杂度 · 继承深度 · 耦合度
其他复杂度指标认知复杂度
06
测试覆盖率基础
语句覆盖 · 分支覆盖 · 条件覆盖
测试覆盖率基础语句覆盖
07
覆盖率工具实践
使用coverage.py进行Pyt…
覆盖率工具实践coverage.py
08
覆盖率数据解读
如何分析覆盖率报告 · 识别未覆盖的风险区域
覆盖率数据解读如何分析覆盖率报…
09
缺陷密度公式推导
缺陷密度 = 缺陷数 / 代码规模 · 引入复杂度与覆盖率作为权重因子
缺陷密度公式推导缺陷密度
10
加权缺陷密度模型
基于圈复杂度的加权因子设计 · 基于覆盖率的惩罚/奖励机制
加权缺陷密度模型基于圈复杂度的加…
11
数据采集策略
如何从Git仓库 · CI/CD流水线 · 测试框架中自动采集缺陷与度量数据
数据采集策略Git
12
Python数据采集脚本
编写脚本解析Git log · 提取缺陷ID · 关联代码变更
Python数据采集脚本
13
复杂度计算自动化
使用radon库批量计算项目模块的圈…
复杂度计算自动化radon
14
覆盖率数据整合
将coverage.py的XML输出…
覆盖率数据整合coverage.py
15
数据清洗与预处理
处理缺失值 · 异常值 · 标准化代码规模（归一化）
数据清洗预处理
16
相关性分析
使用皮尔逊相关系数分析复杂度与缺陷密…
相关性分析使用皮尔逊相关系…
17
回归建模
构建线性回归模型预测缺陷密度 · 引入覆盖率作为调节变量
回归建模构建线性回归模型…
18
模型评估
R² · 均方误差（MSE） · 残差分析
模型评估R²
19
阈值设定
基于历史数据设定复杂度与覆盖率的健康…
阈值设定基于历史数据设定…
20
可视化仪表盘
使用Matplotlib/Plotl… · 散点图矩阵
可视化仪表盘Matplotlib/P…
21
SVG仪表盘设计
生成内联SVG展示模块级别的缺陷密度 · 复杂度 · 覆盖率雷达图
SVG仪表盘设计
22
案例研究1
一个低复杂度高覆盖率的模块 · 缺陷密度极低 · 验证模型
案例研究1一个低复杂度高覆…
23
案例研究2
一个高复杂度低覆盖率的模块 · 缺陷密度高 · 分析根因
案例研究2一个高复杂度低覆…
24
案例研究3
重构前后对比 · 展示复杂度降低与覆盖率提升如何降低缺…
案例研究3重构前后对比
25
自动化流水线集成
将评估脚本嵌入GitHub Acti… · 每次提交自动生成报告
自动化流水线集成GitHub
26
报告生成
使用Jinja2模板生成HTML/P…
报告生成Jinja2
27
团队度量文化
如何向团队解释缺陷密度指标 · 避免滥用与误读
团队度量文化如何向团队解释缺…
28
局限性讨论
缺陷密度不能反映所有质量问题 · 需结合代码审查 · 静态分析
局限性讨论缺陷密度不能反映…
29
扩展方向
引入AI预测缺陷 · 结合代码异味检测 · 跨项目基准对比
扩展方向AI
30
课程总结与实战作业
学员需对自己项目进行完整评估 · 提交分析报告
课程总结实战作业