Tutorial Testes Computacionais

Este tutorial concentra-se nos aspetos mais relevantes para a boa realização de testes computacionais. Um teste destina-se a avaliar um programa num determinado aspeto, seja a sua funcionalidade (ausência de bugs), seja a sua eficiência (quanto tempo leva), seja a sua eficácia (probabilidade de ser bem sucedido), seja a sua qualidade (quão boas são as soluções), sejam os seus limites (até que tamanho funciona bem).

Podem ser definidos indicadores para melhor medir estas dimensões de forma mais apropriada para o problema em questão. Algo cruzial é conhecer a sensibilidade dos parâmetros do algoritmo, de modo a identificar quais os parâmetros críticos e quais os irrelevantes, de modo a poder ser acumulado conhecimento que seja possível utilzar o algoritmo nas melhores condições possíveis.

Abordar os seguintes temas:

• importância dos testes - programador, investigador
• difentes tipos de testes
• resultados: testes estatísticos (média, intervalos de confiança, percentil)
• processamento de resultados (csv > Excel / Power Pivot, modelo de dados / medidas, indicadores calculados )
• testes com TProcura

Resultados no Deucalion:

• Resultados Construtiva
• Resultados Melhorativa
• Resultdos Adversa - separar do Jogo em Linha?

esboço Copilot

Testes Computacionais em IA — Estrutura sugerida

1. Porque testar?

• variabilidade
• reprodutibilidade
• significância estatística
• volume de testes

1. Tipos de testes computacionais

• testes determinísticos vs estocásticos
• testes paramétricos vs não paramétricos
• comparação de algoritmos
• comparação de parâmetros
• análise de sensibilidade

1. Estatística mínima necessária

• média, variância, desvio padrão
• intervalos de confiança
• teste t (paramétrico)
• Wilcoxon/Mann‑Whitney (não paramétrico)
• tamanho de amostra

1. Ferramentas de análise

• PowerPivot/DAX - Excel avançado
• Python (opcional)
• alternativas (R, pandas)

1. Execução distribuída

• porque clusters são essenciais
• volume de testes vs significância
• como o TProcura abstrai MPI
• boas práticas

1. Exemplo completo com os teus dados

• problema, algoritmos, parâmetros, resultados, análise, conclusões