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.
Продължителност 14 часa
Съдържание и теми, включени в курса
Въведение в изкуствения интелект в софтуерното тестване
- Преглед на възможностите на изкуствения интелект в тестването и осигуряването на качеството
- Видове AI инструменти, използвани в съвременните тестови процеси
- Ползи и рискове от качественото инженерство, управлявано от изкуствен интелект
Големи езикови модели за генериране на тестови случаи
- Промпт инженеринг за генериране на модулни и функционални тестове
- Създаване на параметризирани и data-driven тестови шаблони
- Превръщане на потребителски истории и изисквания в тестови скриптове
Изкуствен интелект при проучвателно тестване и тестване на гранични случаи
- Идентифициране на непокрити разклонения или условия с помощта на изкуствен интелект
- Симулиране на редки или необичайни сценарии на използване
- 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 грешките и оптимизиране на тестовете
- Групиране на тестови грешки с помощта на LLM или ML модели
- Намаляване на ненадеждните тестови изпълнения и умората от сигнали
- Приоритизиране на изпълнението на тестове въз основа на исторически данни
Интеграция с CI/CD процеси
- Вграждане на генерирането на тестове с изкуствен интелект в Jenkins, GitHub Actions или GitLab CI
- Валидиране на качеството на тестовете по време на pull request
- Автоматизиране на връщането към предишни версии и интелигентно управление на тестовете в процесите
Бъдещи тенденции и отговорно използване на изкуствения интелект в QA
- Оценяване на точността и безопасността на генерираните от изкуствен интелект тестове
- Управление и проследимост на процесите за тестване, подобрени с изкуствен интелект
- Тенденции в AI-QA платформите и интелигентната наблюдаемост
Обобщение и следващи стъпки
Изисквания
- Опит в софтуерното тестване, планирането на тестове или QA автоматизацията
- Познаване на тестови рамки като JUnit, PyTest или Selenium
- Основно разбиране за CI/CD процесите и DevOps средите
Аудитория
- QA инженери
- Инженери по разработка на софтуер в тестването (SDET)
- Софтуерни тестери, работещи в agile или DevOps среда
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