Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
自動テストは何の役に立つのか そして役に立たないのか
Search
Nokogiri
June 12, 2024
Technology
4
1.7k
自動テストは何の役に立つのか そして役に立たないのか
Nokogiri
June 12, 2024
Tweet
Share
More Decks by Nokogiri
See All by Nokogiri
Zustandを用いた実践的状態管理
undefined_name
2
500
React Testing Libraryでの WAI-ARIAロールの活用事例
undefined_name
1
160
Pipe Operator (|>) の紹介
undefined_name
2
340
FizzBuzzで学ぶOCP
undefined_name
0
120
エンジニアとQAでコラボするフロントエンドリアーキテクチャ開発の事例
undefined_name
4
2.9k
オブジェクト指向のプラクティスをフロントエンドで活用する
undefined_name
7
1.6k
モププロ@kintone開発チーム
undefined_name
1
590
勉強会で登壇者に 質問しづらい課題を解決する サービスをリリースしました🎉
undefined_name
2
1.3k
Usefull GitLens
undefined_name
3
820
Other Decks in Technology
See All in Technology
SAE J1939シミュレーション環境構築
daikiokazaki
1
200
経験がないことを言い訳にしない、 AI時代の他領域への染み出し方
parayama0625
0
280
モバイルゲームの開発を支える基盤の歩み ~再現性のある開発ラインを量産する秘訣~
qualiarts
0
910
Gemini in Android Studio - Google I/O Bangkok '25
akexorcist
0
100
OpenTelemetry の Log を使いこなそう
biwashi
5
1.1k
robocopy の怖い話/scary-story-about-robocopy
emiki
0
420
MCPに潜むセキュリティリスクを考えてみる
milix_m
1
920
東京海上日動におけるセキュアな開発プロセスの取り組み
miyabit
0
210
2025-07-25 NOT A HOTEL TECH TALK ━ スマートホーム開発の最前線 ━ SOFTWARE
wakinchan
0
180
会社もクラウドも違うけど 通じたコスト削減テクニック/Cost optimization strategies effective regardless of company or cloud provider
aeonpeople
2
410
With Devin -AIの自律とメンバーの自立
kotanin0
2
940
マルチモーダル基盤モデルに基づく動画と音の解析技術
lycorptech_jp
PRO
2
300
Featured
See All Featured
Making the Leap to Tech Lead
cromwellryan
134
9.4k
Navigating Team Friction
lara
188
15k
Agile that works and the tools we love
rasmusluckow
329
21k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
Testing 201, or: Great Expectations
jmmastey
43
7.6k
Docker and Python
trallard
45
3.5k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
10
1k
BBQ
matthewcrist
89
9.8k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
31
1.3k
The Straight Up "How To Draw Better" Workshop
denniskardys
235
140k
Rails Girls Zürich Keynote
gr2m
95
14k
Transcript
ؔ/PEFֶԂ/PLPHJSJ ࣗಈςετԿͷʹཱͭͷ͔ ͦͯ͠ʹཱͨͳ͍ͷ͔
/PLPHJSJ !OLHSOLHS גࣜձࣾΧέϋγ ϑϩϯτΤϯυΤϯδχΞ ҩༀͷधཁ༧ଌΛ͢Δༀہ͚ͷαʔϏε ʮ"*ࡏݿཧʯͰϑϩϯτΤϯυΤϯδχΞΛ͍ͯ͠· ͢ɻ ϙέϞϯରઓΨν ʢϙέιϧͷμϝܭࢉπʔϧͷ։ൃʣ ೋࣇͷ
͜ͷࢿྉͷత w ୭͚ʁ w ΤϯδχΞͪΖΜ։ൃʹؔΘΔඇΤϯδχΞʹಡΜͰ΄͍͠ w ͜ͷࢿྉΛಡΜͰͲ͏ͳͬͯ΄͍͠ʁ w ࣗಈςετ͕͋Δ͜ͱͰͲ͏͍͏ϝϦοτ͕͋Δͷ͔ͬͯΒ͏ w
ࣗಈςετ͕͋ͬͯղܾ͠ͳ͍͜ͱ͋Δ͜ͱΛͬͯΒ͏
Ͳ͏ͯ͠ྩʹࠓߋࣗಈςετΛʁ w ඇΤϯδχΞʹͱͬͯʮΤϯδχΞ͕ݴͬͯΔ͔ΒʯҎ্ͷใ͕ͳ͍͜ͱ w ΤϯδχΞͷதͰςετॏཁͱࢥ͍ͭͭࣗಈςετͷޮՌʹջٙతͳҙݟ ͕ͰΔ͜ͱ w ҋӢʹςετΛ૿͚ͩͩ͢ͱςετΛ࡞Δͷʹർฐͯ͠͠·͏͜ͱ͕͋Δ w
ͲΜͳʹྑ͍͜ͱͰϝϦοτޮՌ͕Θ͔Βͳ͍ͱଓ͚ͮΒ͍
ͦͦࣗಈςετͱʁ
ͦͦࣗಈςετͱʁ w ιϑτΣΞͷৼΔ͍Λอূ͢ΔϓϩάϥϜ w ओʹίʔυมߋ࣌ʹࣗಈͰ࣮ߦ͞ΕΔ
؆୯ͳྫͰհ
w lBEEzͱ͍͏͠ࢉΛߦ͏ؔ w Ͱ͋Δ͜ͱΛอূͯ͠ ͍Δ w lBEEzͷϓϩάϥϜ͕มߋ͞Ε ৼΔ͍͕มΘͬͨͱ͖ʹςε τ͕ࣦഊ͢Δ
͠ࢉͷςετ
ৼΔ͍͕มΘͬͨͱ͖ࣦഊͯ͠ؾ͚ͮΔ ʹࣦഊ͠ͳ͍ݶΓৼΔ͍͕มΘͬͯͳ͍ ͱ֬৴Ͱ͖Δ େࣄͳ͜ͱ
w ίʔυʹมߋΛՃ͑Δͱ͖ʹطଘػೳʹෆ۩߹Λग़ͯ͠ͳ͍͔ Ͳ͏͔ΛධՁ͢Δͷ݁ߏ͍͠ w ࣗಈςετ͕ͳ͍߹ɺಈ࡞֬ೝΛखಈͰ࣮ࢪͯ͠ʮଟେ ৎʂϦϦʔε͠Α͏ʂʯͱஅ͢Δ w ίʔυͷن͕େ͖͘ͳͬͨΓɺ։ൃ͢Δϝϯόʔ͕ೖΕସΘ ΓطଘͷίʔυΛ͠Βͳ͍ਓ͕૿͑ΔͱΑΓίʔυมߋͷқ ্͕͍ͬͯ͘
ίʔυͷมߋෆ҆ʜ طଘίʔυා͍ ຊ൪োා͍
ෆ҆Λײ͡Δ͜ͱͳ͘ ίʔυͷมߋ͕Ͱ͖Δ ࣗಈςετ͕͋Δͱɻɻɻ
ࣗಈςετͷϝϦοτ ۩ମྫ w ϦϦʔεࡁΈͷػೳͷػೳՃ w طଘػೳʹྨࣅػೳ͋Δ͕ෆ۩߹Λग़ͨ͘͠ͳ͍ͷͰɺͳΔ͘طଘίʔυʹ৮Εͣʹί ʔυΛ૿ͯ͠͠·͏݁Ռͱͯ͠ಉ͡Α͏ͳίʔυ͕૿͑Δ w ࣗಈςετ͕͋Δ͜ͱͰ҆৺ͯ͠طଘػೳΛमਖ਼ͭͭ͠ڞ௨ԽͰ͖Δ w
ϦϑΝΫλϦϯά w ৼΔ͍͕มΘ͍ͬͯͳ͍͜ͱΛอূ͠ͳ͕Β෦ߏͷมߋ͕Ͱ͖Δ w ϥΠϒϥϦΞοϓσʔτ w ӨڹՕॴͷಛఆ͕͍͠ͷ΄Ͳࣗಈςετ͕͋Δ͜ͱͰ৺ڧ͍
ࣗಈςετ͕͋Ε ͏ෆ͕҆ͳ͍ʁ
❌ͨͩࣗಈςετΛ࡞Δ͜ͱ ✅҆৺ͯ͠ίʔυΛมߋͰ͖ΔΈ ຊʹඞཁͳͷ
ࣗಈςετ͕͋Δ͚ͩͰ҆৺ʹد༩͠ͳ͍͜ͱ w ୯ମςετ͋Δ͕ɺ݁߹ςετ͕ͳ͘ϦϦʔε͢ΔͨΊʹखಈͰ௨͠ͷςε τΛ͠ͳ͍ͱ͍͚ͳ͍ w &&͋Δ͕࣮ߦ͕͘ϑϨʔΩʔͳͷͰීஈ͋·Γݟ͍ͯͳ͍ɻམͪ ͯؾʹ͠ͳ͍
҆৺ͯ͠ίʔυΛมߋͰ͖Δ Έʹඞཁͳͷͱʁ
҆৺ͯ͠ίʔυΛมߋͰ͖ΔΈʹඞཁͳͷͱʁ w ࣗಈςετҎ֎ w ܕνΣοΫɺ-JOU։ൃऀʹৼΔ͍͕มΘͬͨ͜ͱΛਝʹ͑Δ w ࣗಈςετΛॻ͍͍ͯͨ͘Ίʹ w ը໘ػೳʹର͢ΔςετҰཡΛ࡞ΓɺͲͷΑ͏ͳςετ߲͕͋Δ͔ཧ͢Δ ҰཡԽ͞Εͯͦͷςετ͕͋Δ͜ͱͰʮ͜ͷػೳʹͪΌΜͱςετ͕͋Δ͔
Β҆৺ͯ͠։ൃͰ͖ΔʂʯͱͳΔ w ϢʔβʔՁͷߴ͍ςετ͔ΒͦΖ͑Δશ෦·ΜΜͳ͘ςετ͠ͳͯ͘Α ͍ͷͰ৺ཧతʹணखͷϋʔυϧ͕͘ͳΔ
ࣄྫհ
ࣄྫᶃʣμΠΞϩάͷ߹ w ͬͨ͜ͱ w ͋Δಛఆͷػೳʹରͯ͠୲อ͍༷ͨ͠ΛҰཡԽ w ҰཡԽ༷ͨ͠ͷ͏ͪϢʔβʔՁͷߴ͍ͷΛநग़ͯࣗ͠ಈςετΛՃ w ݁Ռ w
ʮͱΓ͋͑ͣ˓˓μΠΞϩάʹؔͯͪ͠ΌΜͱςετ͕͋ΔʯͳͷͰ࣍ʹػ ೳՃ͢Δͱ͖҆৺ͯ͠ػೳՃͰ͖Δঢ়ଶ͕Ͱ͖ͨ w ͋ͱͰ෦࣮͕ෳࡶʹͳ͍ͬͯΔ෦͕͋ͬͨͷͰϦϑΝΫλϦϯάͰ͖ͨ
ࣄྫᶄʣμϝʔδܭࢉπʔϧͷ߹ w ͬͨ͜ͱ w ࠷ϢʔβʔՁͷߴ͍ܭࢉ݁Ռͷςετ͚ͩॆ࣮͞ ͤΔ w ΠϨΪϡϥʔͳೖྗύλʔϯͷςετΛॆ࣮ͤ͞Δ w ݁Ռ
w શ෦ͷػೳΛςετΛ·ΜΜͳ͘ςετ͠ͳ͍ͷͰς ετͷ࣮ෛՙ͕ݮͬͨ w 10͔Βେ͖ͳػೳมߋཁ͕͋ͬͨͱ͖ʹ҆৺ͯ͠։ൃ Ͱ͖ͨ
·ͱΊ w ࣗಈςετ͕͋Δ͜ͱͰʮ҆৺ͯ͠ίʔυͷมߋ͕Ͱ͖Δʯঢ়ଶ͕େࣄ w ʮ҆৺ͯ͠ίʔυͷมߋ͕Ͱ͖Δঢ়ଶʯΛࢦ͢ʹࣗಈςετΛͨͩॻ͘ ͚ͩͰμϝɻ w ܕνΣοΫ-JOUͳͲΛ͍ৼΔ͍ͷมԽΛਝʹϑΟʔυόοΫΛ͢Δ Έ w
ϢʔβʔՁʹରͯͪ͠ΌΜͱςετ͕Ͱ͖͍ͯΔͱ֬৴Ͱ͖Δঢ়ଶ͕ඞཁ
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠😆