Свържете се с нас
 Продължителност 21 часa

Съдържание и теми, включени в курса

Въведение в ИИ за QA

  • Какво е изкуствен интелект?
  • Машинно обучение срещу дълбоко обучение срещу базирани на правила системи
  • Еволюцията на софтуерното тестване с ИИ
  • Основни ползи и предизвикателства на ИИ в QA

Основи за данни и МО за тествачи

  • Разбиране на структурирани срещу неструктурирани данни
  • Фичи, етикети и тренировъчни набори от данни
  • Наблязано и ненаблязано обучение
  • Въведение в оценката на модели (точност, прецизност, припокриване и др.)
  • QA набори от данни от реалния свят

Приложения на ИИ в QA

  • Генериране на тестови случаи с мощта на ИИ
  • Предсказване на дефекти с помощта на МО
  • Приоритизация на тестове и базирано на риск тестване
  • Визуално тестване с компютърно зрение
  • Анализ на логове и откриване на аномалии
  • Обработка на естествен език (NLP) за тестови скриптове

Инструменти за ИИ в QA

  • Преглед на QA платформи, базирани на ИИ
  • Използване на библиотеки с отворен код (напр. Python, Scikit-learn, TensorFlow, Keras) за QA прототипи
  • Въведение в LLM в автоматизацията на тестове
  • Изграждане на прост ИИ модел за предсказване на тестови неуспехи

Интегриране на ИИ в QA работните потоци

  • Оценка на готовността на вашите QA процеси за ИИ
  • Непрекъсната интеграция и ИИ: как да се включи интелигентност в CI/CD пайплайните
  • Проектиране на интелигентни тестови пакети
  • Управление на дрейфа на ИИ модели и циклите на повторно обучение
  • Етични съображения при тестване, базирано на ИИ

Практически лабораторни упражнения и Capstone проект

  • Лаборатория 1: Автоматизация на генерирането на тестови случаи с ИИ
  • Лаборатория 2: Изграждане на модел за предсказване на дефекти с помощта на исторически тестови данни
  • Лаборатория 3: Използване на LLM за преглед и оптимизация на тестови скриптове
  • Capstone: Крайно-до-крайно внедряване на тестване, базирано на ИИ

Изисквания

Очаква се участниците да имат:

  • 2+ години опит в роли за софтуерно тестване/QA
  • Познаване на инструменти за автоматизация на тестове (напр. Selenium, JUnit, Cypress)
  • Основни познания по програмиране (предпочително в Python или JavaScript)
  • Опит с инструменти за управление на версии и CI/CD (напр. Git, Jenkins)
  • Не се изисква предварителен опит в ИИ/МО, но любопитството и готовността за експериментиране са задължителни

Брой участници


Цена за участник

Отзиви от участници (3)

Предстоящи Курсове

Свързани Kатегории