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
Participanții se așteaptă să aibă:
- 2+ ani de experiență în roluri de testare a software-ului/QA
- Cunoaștere cu instrumentele de testare automatizată (de exemplu, Selenium, JUnit, Cypress)
- Cunoaștere de bază cu programare (preferabil în Python sau JavaScript)
- Experiență cu instrumentele de control al versiunilor și CI/CD (de exemplu, Git, Jenkins)
- Nu este necesară experiență prealabilă cu AI/ML, deși curiozitatea și dispoziția la experimentare sunt esențiale
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