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 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
Отзиви от участници (3)
Възможностите на Postman и бъдещата употреба на инструмента.
Gordana Gacic - SEE Digital D.O.O.
Курс - API Testing with Postman
Машинен превод
практически упражнения, които улесняват запаметяването на информацията
ashley bolen - Insurance Corporation of British Columbia
Курс - Test Automation with Selenium
Машинен превод
Ключовите теми могат да бъдат обсъjudени и споразумени предварително с треньора. Успокояваща и приятна атмосфера по време на семинарните дни.
Lorenz - Continentale Lebensversicherung AG
Курс - Advanced Selenium
Машинен превод