Курс за обучение по Основи на гарантирането на качество и съвременното тестване с AI (Подготовка за ISTQB Foundation)

Модул 1: Основи на гарантирането на качество и тестването

• Дефиниране на качество, гарантиране на качество и тестване
• Седемте принципа на тестването (ISTQB CTFL v4.0)
• Тестване срещу дебъгиране срещу контрол на качеството
• Психологията на тестването
• Роли и отговорности в екип по гарантиране на качество

Модул 2: Жизнен цикъл на разработката на софтуер и тестване

• Етапи на жизнения цикъл на софтуерното тестване (STLC)
• Подходи за тестване във Waterfall, Agile, DevOps и CI/CD
• Нива на тестване: компонент, интеграционно, системно, приемане
• Стратегии за тестване "shift-left" и "shift-right"
• Проследяемост между изисквания и тестови случаи

Модул 3: Техники на статично тестване

• Прегледи, обходи и инспекции
• Статичен анализ с помощта на автоматизирани инструменти
• Преглед, базиран на списъци и роли
• Формални и неформални техники за преглед
• Интегриране на статичното тестване в работните потоци на Agile

Модул 4: Техники на тестване

• Техники на "черна кутия": еквивалентно разпределение, анализ на гранични стойности
• Тестуване с решения на таблици и тестуване с преход на състояния
• Тестуване с случаи на употреба и изследователско тестване
• Техники на "бела кутия": покритие на инструкции и покритие на решения
• Техники, базирани на опит, и предполагане на грешки

Модул 5: Управление на дефекти

• Живот на дефект: откриване, докладване, триаж, разрешение, затваряне
• Изготвяне на ефективни доклади за дефекти с JIRA
• Класификация на сериозността и приоритета на дефекта
• Техники за анализ на коренната причина
• Метрики за дефекти и анализ на тенденциите

Модул 6: Управление на тестовете и тестване, базирано на риска

• Планиране на тестовете и методи за оценка
• Идентифициране, оценка и смекчаване на риска
• Мониторинг, контрол и докладване на тестовете
• Дефиниране на критерии за приключване на тестовете и условия за излизане
• Документи за стратегия и политика на тестването, съгласувани с ISTQB

Модул 7: Основи на инструментите и автоматизацията на тестовете

• Класификация на инструментите за тестване (категории на ISTQB)
• Предимства и рискове на автоматизацията на тестовете
• Избор на инструменти: решенија с отворен код срещу търговски решения
• Въведение в Selenium, Playwright и Cypress
• Изграждане на основен автоматизиран тестов комплект

Модул 8: Въведение в AI в гарантирането на качество

• Концепции за AI и машинното обучение за тестери
• Таксономия: AI за тестване срещу тестване на AI системи
• Текущият пейзаж на AI за тестване: възможности и ограничения
• Характеристики на качеството за AI-базирани системи
• Обхват и актуалност на учебната програма ISTQB CT-AI

Модул 9: Генериране на тестови случаи, подпомагано от AI

• Използване на големи езикови модели (ChatGPT, Claude, Copilot) за изготвяне на тестови случаи
• Техники за инженеринг на заявки за генериране на тестови сценарии
• Преобразуване на потребителски истории и критерии за приемане в тестови случаи
• Преглед и валидиране на тестови случаи, генерирани от AI
• Платформи: Testim, Mabl и инструменти за генериране на тестове, родени с AI

Модул 10: Автоматизация на тестове, подпомагана от AI

• Самолекуваща се автоматизация на тестове с Katalon Studio AI
• AI-задвижвано разпознаване на обекти и локализиране на елементи
• Визуални тестове за регресия с Applitools Eyes
• Selenium с AI плъгини за устойчива автоматизация
• Намаляване на поддържащото натоварване с интелигентни локатори

Модул 11: AI за предсказване и анализ на дефекти

• Предиктивно избиране на тестове с Launchable и Sealights
• Групирание на провали и откриване на аномалии с ReportPortal
• AI-подпомаган анализ на коренната причина
• Оценка на риска за качеството и аналитика на тестовите пробиви
• Използване на исторически данни за дефекти за приоритизиране на тестването

Модул 12: Оценка на AI инструменти и интеграция в CI/CD

• Критерии за оценка на AI инструменти за тестване
• Анализ на рентабилността и стратегия за внедряване
• Интегриране на AI инструменти за тестване в Jenkins, GitHub Actions, GitLab CI
• Дизайн на конвейер: кога и къде да се пускат AI-базираните тестове
• Измерване на ефективността на AI тестването с метрики

Модул 13: Етични съображения при AI-базирано тестване

• Предвзетост и справедливост в данните за тестване, генерирани от AI
• Проблеми с поверителността при използване на облачни AI инструменти
• Прозрачност и обяснимост на решенията за тестване с AI
• Съображения за управление и съответствие
• Практики за отговорен AI за екипи по гарантиране на качество

Модул 14: Подготовка за изпита ISTQB CTFL

• Структура, продължителност и оценка на изпита CTFL v4.0
• Типове въпроси и стратегии за отговаряне
• Разпределение на тежестта на темите по глави на учебната програма CTFL
• Практически изпит с примерни въпроси в стил ISTQB
• Обучен план и препоръчани ресурси

Модул 15: Финален проект: Край-до-край AI-усъвършенствана работна flows за тестване

• Проектиране на тестови случаи от примерен документ с изисквания
• Използване на AI за генериране и усъвършенстване на тестови сценарии
• Автоматизиране на избрани тестове с самолекуващи се инструменти
• Докладване за дефекти и пускане на AI-подпомаган анализ на коренната причина
• Ретроспектива: интегриране на AI в ежедневната практика за гарантиране на качество