Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в изкуствения интелект при тестването на софтуер
- Преглед на възможностите на изкуствения интелект в тестването и QA
- Видове AI инструменти, използвани в съвременните работни процеси за тестване
- Ползи и рискове от качествения инженеринг, задвижван от изкуствен интелект
Големи езикови модели за генериране на тестови случаи
- Създаване на промптове за генериране на модулни и функционални тестове
- Създаване на параметризирани и управлявани от данни тестови шаблони
- Превръщане на потребителски истории и изисквания в тестови скриптове
Изкуствен интелект в проучвателното тестване и тестването на гранични случаи
- Идентифициране на нетествани разклонения или условия с помощта на изкуствен интелект
- Симулиране на редки или необичайни сценарии на употреба
- Стратегии за генериране на тестове, базирани на риска
Автоматизирано UI и регресионно тестване
- Използване на AI инструменти като Testim или mabl за създаване на UI тестове
- Поддържане на стабилни UI тестове чрез самовъзстановяващи се селектори
- Базиран на изкуствен интелект анализ на регресионното въздействие след промени в кода
Анализ на неуспехите и оптимизация на тестовете
- Групиране на тестови неуспехи с помощта на големи езикови модели или ML модели
- Намаляване на нестабилните тестови изпълнения и умората от известия
- Приоритизиране на изпълнението на тестове въз основа на исторически прозрения
Интеграция в CI/CD тръбопровод
- Вграждане на генерирането на тестове с изкуствен интелект в Jenkins, GitHub Actions или GitLab CI
- Валидиране на качеството на тестовете по време на pull заявки
- Автоматизирани връщания назад и интелигентно управление на тестовете в тръбопроводи
Бъдещи тенденции и отговорна употреба на изкуствен интелект в QA
- Оценка на точността и безопасността на генерираните от изкуствен интелект тестове
- Управление и одитни следи за процесите на тестване, подобрени от изкуствен интелект
- Тенденции в AI-QA платформите и интелигентната наблюдаемост
Обобщение и следващи стъпки
Изисквания
- Опит в тестването на софтуер, планирането на тестове или QA автоматизацията
- Запознатост с рамки за тестване като JUnit, PyTest или Selenium
- Основно разбиране на CI/CD тръбопроводи и DevOps среди
Аудитория
- QA инженери
- Инженери по разработка на софтуер в тестването (SDET)
- Софтуерни тестери, работещи в среда на гъвкава разработка или DevOps
14 Часа
Отзиви от участници (1)
Придобих знания за библиотеката Streamlit на Python и със сигурност ще опитам да я използвам, за да подобря приложенията в моя екип, които са създадени с R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Курс - GitHub Copilot for Developers
Машинен превод