План на курса
Модул 1: Въведение в изкуствен интелигент за QA
- Какво е изкуствен интелигент?
- Machine Learning vs Deep Learning vs Правилно базирани системи
- Еволюцията на тестването на софтуер с изкуствен интелигент
- Основни ползи и предизвикателства на изкуствен интелигент в QA
Модул 2: Основи на данни и ML за тестове
- Разбиране на структурирани vs неструктурирани данни
- Особености, етикети и обучаващи набори данни
- Наблюдавано и ненаблюдавано обучение
- Въведение в оценка на модели (точност, прецизност, възприемане и др.)
- Реални набори данни за QA
Модул 3: Use Case на изкуствен интелигент в QA
- Генериране на тестови случаи с изкуствен интелигент
- Предвиждане на дефекти с помощта на ML
- Приоритизиране на тестове и тестване на основа риска
- Визуално тестване с компютърно зрение
- Анализ на логове и откриване на аномалии
- Обработка на естествен език (NLP) за тестови скриптове
Модул 4: Инструменти за QA с изкуствен интелигент
- Преглед на платформи за QA с поддържащи изкуствен интелигент
- Използване на отворени библиотеки (например, Python, Scikit-learn, TensorFlow, Keras) за прототипи на QA
- Въведение в LLMs в автоматизация на тестове
- Създаване на прост модел на изкуствен интелигент за предвиждане на неудачни тестове
Модул 5: Интегриране на изкуствен интелигент в процеси на QA
- Оценка на готовността на вашите процеси на QA за изкуствен интелигент
- Непрекъснато интегриране и изкуствен интелигент: как да внедрите интелигентност в CI/CD каналите
- Създаване на интелигентни набори тестове
- Управление на промени в модели на изкуствен интелигент и цикли за повторно обучение
- Етични разсъждения при тестване с поддържащи изкуствен интелигент
Модул 6: Практическо обучение и капитален проект
- Лаборатория 1: Автоматизация на генерирането на тестови случаи с изкуствен интелигент
- Лаборатория 2: Създаване на модел за предвиждане на дефекти с исторически данни от тестове
- Лаборатория 3: Използване на LLM за преглед и оптимизация на тестови скриптове
- Капитален проект: Край на краи имплементация на канал за тестване с поддържащи изкуствен интелигент
Изисквания
Участниците трябва да имат:
- 2+ години опит в ролята на тестиране на софтуер/КПР
- Знание на инструменти за автоматизация на тестове (напр., Selenium, JUnit, Cypress)
- Основни познания в програмиране (предпочитани в Python или JavaScript)
- Опит с системи за контрол на версии и инструменти за CI/CD (напр., Git, Jenkins)
- Няма необходим предишен опит с AI/ML, но любопитство и желание за експериментиране са основни
Oтзиви от потребители (5)
Метод на преподаване
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Курс - SoapUI for API Testing
Машинен превод
Наслаждавах се на всичко, тъй като всичко е ново за мен и виждам добавената стойност, която може да придаде на работата ми.
Zareef - BMW South Africa
Курс - Tosca: Model-Based Testing for Complex Systems
Машинен превод
Включва много обща преглед на темата, която минава през всички предварителни знания по начин, подходящ за знанията на курса.
James Hurburgh - Queensland Police Service
Курс - SpecFlow: Implementing BDD for .NET
Машинен превод
Бяло лесно за разбиране и за прилагане.
Thomas Young - Canadian Food Inspection Agency
Курс - Robot Framework: Keyword Driven Acceptance Testing
Машинен превод
Количество практически упражнения.
Jakub Wasikowski - riskmethods sp. z o.o
Курс - API Testing with Postman
Машинен превод