Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Modulul 1: Introducere în Inteligența Artificială pentru QA
- Ce este Inteligența Artificială?
- Machine Learning vs Deep Learning vs Sisteme bazate pe reguli
- Evoluția testării software cu Inteligența Artificială
- Beneficiile și provocările inteligenței artificiale în QA
Modulul 2: Baze de date și ML pentru testeri
- Comprenderea datelor structurate vs. nestructurate
- Caracteristici, etichete și seturi de date pentru antrenament
- Învățarea supervizată și nesupervizată
- Introducere în evaluarea modelului (precizie, acuratețe, recall etc.)
- Seturi de date QA din lumea reală
Modulul 3: AI Use Case în QA
- Generarea de cazuri de testare cu suport AI
- Prezicerea defectelor prin intermediul ML
- Priorizarea testelor și testarea bazată pe riscuri
- Testarea vizuală cu vision computerizat
- Analiza jurnalului și detecția anomalilor
- Procesarea limbajului natural (NLP) pentru scripturile de testare
Modulul 4: Uneltele AI pentru QA
- Prezentare generală a platformelor QA cu suport AI
- Utilizarea bibliotecilor open-source (de exemplu, Python, Scikit-learn, TensorFlow, Keras) pentru prototipurile QA
- Introducere în modelele LLM în automatizarea testelor
- Construirea unui model AI simplu pentru a prezice eșecurile de testare
Modulul 5: Integrarea AI în fluxurile de lucru QA
- Evaluarea pregătirii proceselor QA pentru AI
- Integrare continuă și AI: cum să integrați inteligența în pipe-urile CI/CD
- Dizolvarea seturilor de teste inteligente
- Gestionarea derapării modelului AI și ciclurilor de reantrenament
- Considerente etice în testarea bazată pe AI
Modulul 6: Laboratoare Practice și Proiect Capstone
- Laborator 1: Automatizarea generării cazurilor de testare folosind AI
- Laborator 2: Construcția unui model de prezicere a defectelor folosind datele teste historice
- Laborator 3: Utilizarea unui LLM pentru a revizui și optimiza scripturile de testare
- Capstone: Implementarea completă a unei pipe-uri de testare bazată pe AI
Cerințe
Participantii sunt așteptați să aibă:
- 2+ ani de experiență în roluri de testare software/QA
- Familiaritate cu instrumentele de automatizarea testelor (de exemplu, Selenium, JUnit, Cypress)
- Cunoștințe de bază de programare (preferabil în Python sau JavaScript)
- Experiență cu instrumente de control al versiunilor și CI/CD (de exemplu, Git, Jenkins)
- Nu este necesară experiența anterioară cu AI/ML, deși curiozitatea și dispoziția la experimentare sunt esențiale
Modul 1: Introducere în AI pentru QA
- Ce este Inteligența Artificială?
- Machine Learning vs Deep Learning vs sisteme bazate pe reguli
- Evoluția testării software cu ajutorul AI
- Beneficiile și provocările principale ale utilizării AI în QA
Modul 2: Date și bazice de ML pentru Testeri
- Comprezunerea datelor structurate vs nestructurate
- Caracteristici, etichete și seturi de antrenament de date
- Învățare supravegheată vs ne-supravegheată
- Introducere în evaluarea modelului (acuratețe, precizie, recall, etc.)
- Seturi de date QA din lumea reală
Modul 3: AI Use Cases în QA
- Generarea cazurilor de test cu ajutorul AI
- Prezicerea defectelor folosind ML
- Priorizarea testelor și testare bazată pe riscuri
- Testare vizuală cu inteligența artificială a imaginilor
- Analiza jurnalului și detectarea anomaliei
- Procesareul limbajului natural (NLP) pentru scripturile de test
Modul 4: Instrumente AI pentru QA
- Prezentare generală a platformelor de QA cu AI&nbps;
- Utilizarea bibliotecilor open-source (de exemplu, Python, Scikit-learn, TensorFlow, Keras) pentru prototipuri QA
- Introducere în LLM-uri în automatizarea testelor
- Construirea unui model AI simplu pentru a prezice eșecurile de testare
Modul 5: Integrarea AI în Fluxuri de QA
- Evaluarea pregătirii proceselor QA pentru utilizarea AI
- Integrare continuă și AI: cum să integrați inteligența în pipele CI/CD
- Dizolvarea suite-urilor de testare inteligente
- Gestionarea derapării modelului AI și ciclurilor de reînvățare
- Considerații etice în testarea asistată de AI
Modul 6: Laboratoare Prin Practică și Proiect Final
- Laborator 1: Automatizarea generării cazurilor de test folosind AI
- Laborator 2: Construcția unui model de prezicere a defectelor folosind datele istorice de testare
- Laborator 3: Utilizarea unui LLM pentru a revizuiește și optimiza scripturile de test
- Proiect final: Implementarea integrală unui pipeline de testare asistată de AI
Programul de formare acesta este conceput pentru a împușca inginerii software QA cu cunoștințele esențiale și abilitățile practice ale AI pentru a crește productivitatea testării și rezultatele calității softverului. Participantii vor obține o înțelegere de bază a inteligenței artificiale, machine learning și aplicarea acestora în automatizarea testelor, detectarea defectelor, generarea cazurilor de test, testarea bazată pe riscuri și analiza performanței.
Prin combinarea teoriei, demourilor și laboratoarelor practice, profesioniștii QA vor învăța cum să folosească AI pentru a reduce eforturile manuale, îmbunătăți acoperirea testelor și crește precizia detectării defectelor – astfel conducând la eficiență generală și eficacitate în procesele QA.
La finalul acestui curs, participantii vor putea:
- Comprende conceptele de bază ale AI și ML relevante pentru testarea softwarelor.
- Identifica zonele din ciclul de viață QA care pot beneficia de instrumente și tehnici AI-boosted.
- Utiliza modelele AI pentru sarcini precum generarea cazurilor de test, prezicerea defectelor și analiza riscurilor.
- Evaluează și integrează instrumentele de testare bazate pe AI în fluxurile de lucru existente QA.
- Colaborează cu cercetătorii de date și ingineri pentru a proiecta și implementa strategii QA inteligente.
21 ore
Mărturii (5)
Metoda de predare
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Curs - SoapUI for API Testing
Tradus de catre o masina
Mi-a plăcut totul, deoarece este ceva nou pentru mine și pot vedea valoarea adăugată pe care o poate aduce muncii mele.
Zareef - BMW South Africa
Curs - Tosca: Model-Based Testing for Complex Systems
Tradus de catre o masina
O panoramă foarte amplă a subiectului care a trecut prin toate cunoștințele prealabile în moduri potrivite pentru cunoașterea din curs.
James Hurburgh - Queensland Police Service
Curs - SpecFlow: Implementing BDD for .NET
Tradus de catre o masina
A fost ușor de înțeles și de implementat.
Thomas Young - Canadian Food Inspection Agency
Curs - Robot Framework: Keyword Driven Acceptance Testing
Tradus de catre o masina
Cantitatea de exerciții practice.
Jakub Wasikowski - riskmethods sp. z o.o
Curs - API Testing with Postman
Tradus de catre o masina
