План на курса
Въведение в AI при тестуването на софтуер
- Общи идеи за AI способностите при тестуване и QA
- Типовете AI инструменти, използвани в съвременни тестови работни процеси
- Предимствата и рисковете при AI-подкрепена качествена инженерия
LLMs за генериране на тестови случаи
- Инжиниринг на подсказки за генериране на единични и функционални тестове
- Създаване на параметризирана и данноразполагаема шаблони за тестове
- Преобразуване на потребителски истории и изисквания в тестови скриптове
AI при експлораторно и тестване на редки случаи
- Идентифициране на непротестирани гранове или условия с помощта на AI
- Симулиране на редки или нетипични сценарии за ползване
- Риск-ориентирани стратегии за генериране на тестови случаи
Автоматизирано UI и регресионно тестуване
- Използване на AI инструменти като Testim или mabl за създаване на UI тестови случаи
- Поддържане на стабилни UI тестове чрез самовъзстановяващи селектори
- AI-базиран анализ на влиянието при регресия след промени в кода
Анализ на неуспех и оптимизация на тестовете
- Групиране на неуспешни тестови случаи, използвайки LLM или ML модели
- Смяна на непълнофункциониращите тестови пускове и намаляване на умората от аларми
- Приоритизиране на изпълнението на тестовете, базирано на исторически данни
Интеграция в CI/CD пайповидите
- Включване на AI генериране на тестови случаи в Jenkins, GitHub Actions или GitLab CI
- Валидиране на качеството на тестовете по време на заявки за сливане
- Автоматизирани откати и умни вратички за тестване в пайповидите
Будещи тенденции и ответно използване на AI при QA
- Оценка на точността и безопасността на AI-генерирани тестови случаи
- Управление и аудитни следи за AI-подкрепени тестиращи процеси
- Тенденции в платформите за AI-QA и интелектуалната наблюдаемост
Резюме и следващи стъпки
Изисквания
- Опит в софтуерно тестуване, планиране на тестове или автоматизирано QA
- Запознаност с тестиращи фреймворки като JUnit, PyTest или Selenium
- Основно разбиране за CI/CD пайповиди и DevOps среди
Публика
- QA инженери
- Софтуерни инженери в тестуването (SDETs)
- Тестирователи на софтуер, работещи в агилни или DevOps среди
Отзиви от потребители (2)
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
Тренерът може да коригира нивото на курса по време на обучението, за да съответства нашите знания по темата. Това ни позволява да придобием повече полезни познания, които ще ни помогнат ефективно да използваме инструментите в нашия ежедневен труд.
Tatt Juen - ViTrox Technologies Sdn Bhd
Курс - Intermediate GitHub Copilot
Машинен превод