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.
План на курса
Модул 1: Въведение в ИИ за QA
- Какво е изкуственият интелект?
- Машинно обучение vs глъбоко обучение vs системи с правила
- Еволюцията на тестуването на софтуер с ИИ
- Основни предимства и пречки на ИИ в QA
Модул 2: Подходящи данни и основи на ML за тестировачите
- Разбиране на структурирани против неструктурирани данни
- Функции, етикетки и обучащи набори от данни
- Редуцирано и нередуцирано обучение
- Въведение в оценката на моделите (точност, прецизност, призив и др.)
- Реални данни за QA
Модул 3: Приложения на ИИ в QA
- Генериране на тестови случаи, подкрепено от ИИ
- Прогноза на дефекти с ML
- Приоритизация на тестовете и рисково базирано тестуване
- Визуално тестуване с компютърното зрение
- Анализ на дневници и откриване на аномалии
- Обработка на естествените язици (NLP) за тестови сценарии
Модул 4: Инструменти на ИИ за QA
- Обзор на платформите с подкрепа за ИИ
- Използване на отворени библиотеки (например, Python, Scikit-learn, TensorFlow, Keras) за прототипи на QA
- Въведение в LLMs в автоматизирано тестуване
- Създаване на прост модел на ИИ за прогноза на неуспехите при тестовете
Модул 5: Интегриране на ИИ в QA процеси
- Оценка на готовостта за ИИ на вашите процеси по QA
- Непрекъснато интегриране и ИИ: как да внедрите интелигентност в CI/CD пайплайните
- Проектиране на интелигентни тестови набори
- Управление на дрейфа и цикли за преподаване на моделите на ИИ
- Етични разсъждения в тестуването, подкрепено от ИИ
Модул 6: Практически лаборатории и капстоун проект
- Лаб 1: Автоматизиране на генерирането на тестови случаи с ИИ
- Лаб 2: Създаване на модел за прогноза на дефекти, използвайки исторически данни от тестовете
- Лаб 3: Използване на LLM за проверка и оптимизиране на тестовите сценарии
- Капстоун: Интегриране от край до край на пайплайн за автоматизирано тестуване, подкрепен от ИИ
Изисквания
Участниците трябва да имат:
- Опит от 2+ години в ролите на тестуване/QA
- Запознаване с инструменти за автоматизирано тестуване (например, Selenium, JUnit, Cypress)
- Основни знания по програмиране (предпочитателно на Python или JavaScript)
- Опит с системи за контрол на версиите и инструменти CI/CD (например, Git, Jenkins)
- Не се изисква предходен опит в ИИ/ML, но любопитството и желанието за експерименти са важно
21 часа
Отзиви от потребители (5)
Добро разбирателство, Łukasz имаше време за въпросите на всички и успя да помогне на всеки, който имаше някакъв проблем
Kelly Morris - Titian Software Poland Sp. z o.o.
Курс - Selenium WebDriver in C#
Машинен превод
Количество практически упражнения.
Jakub Wasikowski - riskmethods sp. z o.o
Курс - API Testing with Postman
Машинен превод
Обучителят разясни всяка функционалност подробно.
Argean Quilaquil - DXC
Курс - TestComplete
Машинен превод
Треньорът е приятен. Обяснението му е ясно и интересно. Той се старае да направи уроците възможно най-интересни. Насладих се на урока и придобих много знания. Благодаря много. Най-полезната техника, която научих, е намирането на елементи за различни уеб компоненти, като текстови полета, радиокнопки и бутони. Понякога идентификаторът на елемента не се захваща правилно. Научихме различен начин за намиране на елементи чрез използването на CSS селектори, XPath, Име и ID. Харесва ми обяснението. Благодаря.
Bee Chin Chuah - I-Access Solutions Pte Ltd
Курс - Advanced Selenium with C#
Машинен превод
The One on One session is amazing!! And thankful that the trainer's skills are Excellent and his willingness to share them to the fullness. I am very satisfied. . with the training and I wouldn't have wish to have done it anywhere else. I would only wish that I had One day longer for the training.
Isaac Nyembo - Bechtle Clouds GmbH
Курс - Advanced Selenium
Машинен превод
