دوره نگارش خودکار و اصولی آزمون‌های واحد (Unit Tests) در توسعهٔ نرم‌افزار همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره نگارش خودکار و اصولی آزمون‌های واحد (Unit Tests) در توسعهٔ نرم‌افزار

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ پایدار

موضوع میانی: تضمین کیفیت نرم‌افزار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اصول مهندسی نرم‌افزار پایدار
• 2. اهمیت تضمین کیفیت در چرخهٔ عمر نرم‌افزار
• 3. مبانی آزمون‌های واحد (Unit Tests)
• 4. اهداف کلیدی آزمون‌های واحد
• 5. تفاوت آزمون‌های واحد با سایر سطوح آزمون
• 6. انتخاب ابزار مناسب برای آزمون‌های واحد
• 7. معرفی فریم‌ورک‌های رایج آزمون واحد در زبان پایتون
• 8. نصب و پیکربندی pytest
• 9. مفاهیم پایه در pytest: تست‌ها، ماژول‌ها و کلاس‌ها
• 10. نوشتن اولین تست واحد با pytest
• 11. اصول نام‌گذاری استاندارد برای تست‌ها
• 12. استفاده از assertion ها برای اعتبارسنجی نتایج
• 13. مدیریت داده‌های تست: fixtures
• 14. مقدمه‌ای بر fixtures در pytest
• 15. انواع fixtures: function, class, module, session
• 16. نوشتن fixtures سفارشی
• 17. استفاده از پارامترسازی در fixtures
• 18. مدیریت وابستگی‌ها در تست‌ها
• 19. نکات پیشرفته در استفاده از fixtures
• 20. تست کلاس‌ها و متدهای آن‌ها
• 21. تست توابع و ماژول‌ها
• 22. تست استثناها (Exceptions)
• 23. استفاده از pytest.raises
• 24. تست مقادیر بازگشتی توابع
• 25. تست شرطی و مدیریت پوشش کد
• 26. مقدمه‌ای بر پوشش کد (Code Coverage)
• 27. ابزارهای محاسبهٔ پوشش کد
• 28. کار با pytest-cov
• 29. تفسیر گزارش‌های پوشش کد
• 30. افزایش پوشش کد بدون افت کیفیت
• 31. اصول طراحی تست‌های واحد مؤثر
• 32. اصل FIRST برای طراحی تست‌ها
• 33. تست‌های اتمی و مستقل
• 34. تست‌های قابل تکرار و پایدار
• 35. تست‌های سریع و کارآمد
• 36. تست‌های خودکار و قابل اجرا
• 37. اصول طراحی نرم‌افزار برای قابلیت تست
• 38. اصل SOLID و ارتباط آن با تست‌پذیری
• 39. طراحی توابع و کلاس‌های با وابستگی کم
• 40. استفاده از تزریق وابستگی (Dependency Injection)
• 41. مقدمه‌ای بر Mocking و Patching
• 42. چرا به Mocking نیاز داریم؟
• 43. تفاوت Mocking و Stubbing
• 44. استفاده از unittest.mock در پایتون
• 45. روش‌های Mocking: patch, MagicMock
• 46. Mocking کلاس‌ها و متدها
• 47. Mocking توابع ماژول‌ها
• 48. Mocking فراخوانی‌های خارجی
• 49. مدیریت زمان در تست‌ها
• 50. تست توابع وابسته به زمان
• 51. استفاده از time.sleep در تست‌ها
• 52. Mocking ماژول time
• 53. تست عملیات I/O
• 54. تست خواندن و نوشتن فایل‌ها
• 55. Mocking عملیات فایل
• 56. تست ارتباط با پایگاه داده
• 57. مقدمه‌ای بر تست پایگاه داده
• 58. استفاده از fixtures برای پایگاه داده
• 59. Mocking ارتباط با پایگاه داده
• 60. تست API های وب
• 61. مقدمه‌ای بر تست API
• 62. استفاده از requests و pytest
• 63. Mocking فراخوانی‌های API
• 64. تست برنامه‌های کاربردی با رابط کاربری گرافیکی (GUI)
• 65. ملاحظات تست GUI
• 66. استفاده از ابزارهای تست GUI
• 67. تست برنامه‌های خط فرمان (CLI)
• 68. تست ورودی‌ها و خروجی‌های CLI
• 69. استفاده از pytest-plugin-console
• 70. مدیریت مجموعه تست‌ها
• 71. گروه‌بندی تست‌ها با mark ها
• 72. استفاده از pytest.mark.skip و pytest.mark.xfail
• 73. مدیریت تست‌های طولانی و کند
• 74. اجرای موازی تست‌ها
• 75. تنظیمات pytest: pytest.ini
• 76. سفارشی‌سازی رفتار pytest
• 77. پلاگین‌های مفید برای pytest
• 78. pytest-xdist برای اجرای توزیع‌شده
• 79. pytest-html برای گزارش‌دهی HTML
• 80. pytest-mock برای Mocking ساده‌تر
• 81. مقدمه‌ای بر تست‌های ادغام (Integration Tests)
• 82. تفاوت تست واحد و تست ادغام
• 83. نوشتن تست‌های ادغام ساده
• 84. استفاده از fixtures برای تست ادغام
• 85. تست سناریوهای پیچیده‌تر
• 86. مدیریت محیط‌های تست
• 87. استفاده از Docker برای محیط‌های تست
• 88. تست در محیط‌های CI/CD
• 89. مقدمه‌ای بر Pipeline های CI/CD
• 90. تنظیم pytest در Jenkins, GitLab CI, GitHub Actions
• 91. نکات مهم در اتوماسیون تست
• 92. اصول نوشتن تست‌های پایدار در CI
• 93. مدیریت خطاها در تست‌ها
• 94. گزارش‌دهی خطاها و رفع اشکال
• 95. تکنیک‌های دیباگ کردن تست‌ها
• 96. مقدمه‌ای بر TDD (Test-Driven Development)
• 97. چرخهٔ قرمز-سبز-بازسازی
• 98. مزایای TDD
• 99. کاربرد TDD در توسعهٔ نرم‌افزار
• 100. مقدمه‌ای بر BDD (Behavior-Driven Development)