Курс за обучение по Основи на QA и модерно тестване с AI (Подготовка за ISTQB Foundation)

Основи на осигуряването на качеството и тестването

• Дефиниране на качество, осигуряване на качеството и тестване
• Седемте принципа на тестването (ISTQB CTFL v4.0)
• Тестване срещу дебъгване срещу контрол на качеството
• Психология на тестването
• Роли и отговорности в QA екип

Жизнен цикъл на разработка на софтуер и тестване

• Фази на жизнения цикъл на софтуерното тестване (STLC)
• Подходи за тестване във Waterfall, Agile, DevOps и CI/CD
• Нива на тестване: модулно, интеграционно, системно, приемателно
• Стратегии за тестване shift-left и shift-right
• Проследимост между изисквания и тестови случаи

Техники за статично тестване

• Прегледи, преминавания и инспекции
• Статичен анализ с помощта на автоматизирани инструменти
• Преглед, базиран на чеклисти и на роли
• Формални и неформални техники за преглед
• Интегриране на статичното тестване в Agile работни процеси

Тестови техники

• Техники на черната кутия: разделяне на еквивалентност, анализ на гранични стойности
• Тестване с таблици на решенията и тестване на преходи на състояния
• Тестване на потребителски случаи и изследователско тестване
• Техники на бялата кутия: покритие на оператори и решения
• Техники, базирани на опит, и отгатване на грешки

Управление на дефекти

• Жизнен цикъл на дефекта: откриване, докладване, триаж, разрешаване, затваряне
• Писане на ефективни доклади за дефекти с JIRA
• Класификация на сериозност срещу приоритет на дефектите
• Техники за анализ на първопричините
• Метрики за дефекти и анализ на тенденции

Управление на тестове и тестване, базирано на риска

• Методи за планиране и оценка на тестове
• Идентифициране, оценка и смекчаване на рискове
• Мониторинг, контрол и докладване на тестове
• Дефиниране на критерии за завършване на тестовете и условия за изход
• Документи за тестова стратегия и тестова политика, съобразени с ISTQB

Инструменти за тестване и основи на автоматизацията

• Класификация на инструментите за тестване (категории инструменти по ISTQB)
• Предимства и рискове от автоматизацията на тестове
• Избор на инструменти: решения с отворен код срещу търговски решения
• Въведение в Selenium, Playwright и Cypress
• Изграждане на основен пакет от автоматизирани тестове

Въведение в AI в осигуряването на качеството

• Концепции за AI и машинно обучение за тестери
• Таксономия: AI за тестване срещу тестване на AI системи
• Настоящ пейзаж на AI тестването: възможности и ограничения
• Качествени характеристики за системи, базирани на AI
• Преглед на учебната програма ISTQB CT-AI и нейната релевантност

Генериране на тестови случаи с помощта на AI

• Използване на LLM (ChatGPT, Claude, Copilot) за съставяне на тестови случаи
• Техники за инженерство на промптове 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, базирани на AI

Автоматизация на тестове с помощта на AI

• Самовъзстановяваща се автоматизация на тестове с Katalon Studio AI
• Управлявано от AI разпознаване на обекти и локализиране на елементи
• Визуално регресионно тестване с Applitools Eyes
• Selenium с AI добавки за устойчива автоматизация
• Намаляване на разходите за поддръжка с интелигентни локатори

AI за прогнозиране и анализ на дефекти

• Прогнозен избор на тестове с Launchable и Sealights
• Групиране на откази и откриване на аномалии с ReportPortal
• Анализ на първопричините с помощта на AI
• Оценяване на качествения риск и анализ на пропуски в тестовете
• Използване на исторически данни за дефекти за приоритизиране на тестването

Оценка на AI инструменти и интеграция в CI/CD

• Критерии за оценка на AI инструменти за тестване
• Анализ на ROI и стратегия за внедряване
• Интегриране на AI инструменти за тестване в Jenkins, GitHub Actions, GitLab CI
• Проектиране на pipeline: кога и къде да се изпълняват тестове, захранвани от AI
• Измерване на ефективността на AI тестването с метрики

Етични съображения при тестването, управлявано от AI

• Пристрастия и справедливост в тестовите данни, генерирани от AI
• Загриженост за поверителността при използване на облачни AI инструменти
• Прозрачност и обяснимост на решенията за тестване с AI
• Съображения за управление и съответствие
• Отговорни AI практики за QA екипи

Подготовка за изпита ISTQB CTFL

• Структура, продължителност и оценяване на изпита CTFL v4.0
• Типове въпроси и стратегии за отговаряне
• Разпределение на тежестта на темите в главите на учебната програма CTFL
• Практически изпит с примерни въпроси в стила на ISTQB
• Пътна карта за учене и препоръчани ресурси

Капстоун проект: Краен работен процес за тестване, подобрен с AI

• Проектиране на тестови случаи от примерен документ с изисквания
• Използване на AI за генериране и усъвършенстване на тестови сценарии
• Автоматизиране на избрани тестове със самовъзстановяващи се инструменти
• Докладване на дефекти и извършване на анализ на първопричините с помощта на AI
• Ретроспектива: интегриране на AI в ежедневната QA практика