百度测试开发工程师实习电话面试准备

您好，那我先简单地自我介绍一下？我叫***，华中科技大学研二在读，2018年毕业。我本科和现在研究生所学的专业都是信息管理，通过专业课程相关的学习以及自学，熟悉并掌握了计算机技术相关的基础知识，比如，计算机编程语言python，数据库，操作系统linux，计算机网络等。。有过小型课程项目的前后端开发经验。并且也有过在互联网公司做软件测试的实习经验，不仅对软件测试的相关工具有了一定的了解，并且知道了如何设计测试用例，如何写测试报告，以及与开发人员和产品经理沟通，同步推进bug解决情况。。。今天想面试测试开发工程师实习岗位，并且自己毕业之后也有想从事软件测试这个岗位的打算。嗯，我就简单介绍这些，接下来看您有什么问题。

做软件测试的原因：首先是因为自己的专业背景，让自己学到了这些信息技术相关的知识，也很想能从事互联网行业信息技术相关的工作。其次是因为觉得自己性格以及各方面的特质也都挺适合做测试的。最后因为自己也做过软件测试相关的工作，觉得其中还是有很多学问以及方法值得研究。所以就还挺想从事这样一份工作。

职业规划：主要还是想在互联网这个行业发展，因为我觉得这个行业变化快能学习的东西也多，并且也是自己所热爱的本专业。另外自己想先从技术学起，先了解互联网行业的技术核心。至于以后就看自己学习的程度了，可以转向产品经理或者项目经理。但是我觉得在此之前还是想把技术打牢，好好从事测试开发的工作。

最近生活中发现的一个例子（体现测试思维）：实验室网络环境问题。虽说实验室网络环境比较简单，一台服务器，一台交换机，一台路由器，台式电脑，移动端手机等。电脑联网出现问题，就会去检查服务器，看是外网出现了问题，还是没网有问题。一般我们能自己解决的情况就是内网出现问题。有时候是ip设置出现问题，有时候是电源问题或者交换机问题。。所以需要一步步排查问题，以解决问题。。

对上一份实习的总结：

主要工作内容：1.mobogine 以及claunch 等手机app 的测试，其中测试的一个就是类似于Google play的应用商店，主要看下载某些网盟包，用fiddler 抓包工具抓取，看返回的数据链接是否正确，以及问题出现在哪里，并且会和内部控制台，以及mongodb 数据库进行比对。。另外根据用户对软件反馈的问题进行核实，比如有用户反馈说搜索不到自己想要的应用，我就充当用户重现问题，并统计算出比例。。。在一些广告平台（glispa,webeye,mobvista,yeahmobi 等）上看广告收入的变化，分析原因，和数据库字段返回是否一致等。

2.内部控制台的测试。添加新功能上线之前，需要进行功能测试。很多细节问题，比如匹配，提示窗，优先显示等问题。

3.heatmap热力图测试。通过CSS +JavaScript 把生成的图片覆盖在网页上，并调节图片透明度来达到合二为一的效果。前端传给后段的参数：前端页面URL click 和touCh数据等，后段存储一个记录表一个汇总表。。

4.IT 叫号系统。根据公司IT 部门提的需求，然后编写需求文档。。公司普通员工的报修，查看订单，评分，接收通知消息等。。公司IT 员工的报修处理，查看我的订单。。

对测试工作的认识：

了解基本的功能测试，如何进行分支。以及性能压力测试。另外黑盒和白盒测试也要了解，回归测试，边界值测试。单元测试和集成测试，手动和自动测试等等。主要还是要对产品需求充分了解，并且对代码逻辑也要很清楚，这样才能明白自己的测试任务，然后借助测试工具和方法来完成。

产品相关问题：

1.移动社交平台用户体验的影响因素分析与实证——以微信为例。

自变量：功能，交互，外观。中介变量：情感感知。因变量：用户体验。环境变量。

主要是用户意愿相关的调查。

个人相关问题：

优势：自我驱动力强，亲和力强适合沟通解决问题，踏实认真。

劣势：说话声音比较小，不太会在公众场合说话，不懂得怎样拒绝别人。

现在研究方向的问题：

之前实验室研究的方向是，关于在线负面口碑处理的问题。主要就是识别并获取社会化媒体平台的UGC ，主要是对企业的一些抱怨问题等，通过对UGC，也就是短文本的处理，比如分词情感词识别等，建立在线负面口碑的专家识别或者专家处理系统。

现在我们实验室的研究方向就是，关于大数据产品质量。也就是如何衡量和评价大数据产品的质量。提出这个问题的背景主要就是因为现在有这些大数据交易平台，比如贵阳大数据交易中心等。他们对大数据产品进行交易的过程中肯定是要给产品定价，如何对产品定价呢，质量就是很重要的一个因素。我们研究主要是把大数据当做一个产品，从大数据的原始数据，到中间产品，最终产品，整个生产过程中的大数据产品质量进行测度和评估。

我是在做ugc 质量测评这块内容。主要是站在企业的角度，在社会化媒体平台上寻找对于企业来说高质量的ugc。如何评价ugc的质量，可以根据企业定制的相关维度来评价，最后根据评价指标对ugc质量进行高中低的排序。大致就是这样。其中也会用到爬虫，以及一些文本处理的方法，比如分词啊等等。另外也会用到计量相关的方法，以及机器学习svm分类器等。