Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a mesterséges intelligencia szoftvertesztelésbe
- A tesztelésben és minőségellenőrzésben használt mesterséges intelligencia képességeinek áttekintése
- Az AI eszközök modern tesztelési folyamatokban való alkalmazása
- A mesterséges intelligencia-illesztett minőségmérnöki rendszerek előnyei és kockázatai
LLMs a teszteset generálásához
- Egyéni utasítások alkalmazása egység- és funkciótesztek generálására
- Paraméterezett és adat-alapú tesztsablonok létrehozása
- Felhasználói történetek és követelmények konvertálása teszszerkezetbe
A mesterséges intelligencia a felfedező és szegélyes eset-tesztelésben
- Nem tesztelt ágak vagy feltételek azonosítása mesterséges intelligencia segítségével
- Ritkán vagy hibás felhasználási forgatókönyvek szimulálása
- Kockázat-alapú tesztelési generálási stratégia
Automatizált UI és regressziótesztelés
- Testim vagy mabl használata UI tesztek létrehozásához
- Stabil UI tesztek fenntartása önmagukban gyógyuló selektorek segítségével
- Kódváltoztatások utáni mesterséges intelligencia-alapú regressziós hatás elemzése
Hibaanalízis és tesztelés optimalizálása
- Teszthibák csoportosítása LLM vagy ML modellek segítségével
- Flaky teszt futtatások csökkentése és riasztási stressz lecsillapítása
- A történeti adatok alapján a tesztelés prioritizálása
CI/CD folyamatok beépítése
- Mesterséges intelligencia-illesztett tesztkészítés Jenkins, GitHub Actions vagy GitLab CI-be való beágyazása
- Tesztek minőségének ellenőrzése pull request során
- Automatikus visszaállítások és intelligens tesztgating a folyamatban
Jövőbeli tendenciák és felelős használat az AI-illesztett minőségmérnöki rendszerekben
- Az AI-illesztett tesztek pontosságának és biztonságának értékelése
- A felelősségteljesítmény és nyomkövetés a mesterséges intelligencia támogatott tesztfolyamatokhoz
- A trendek az AI-illesztett minőségmérnöki platformokban és az okos megfigyelésben
Összefoglalás és következő lépések
Követelmények
- Tapasztalat a szoftvertesztelésben, teszterkészítésben vagy QA automatizációban
- Ismeret JUnit, PyTest vagy Selenium ilyen teszterkészítő keretrendszerek használatáról
- Alapvető ismeret CI/CD folyamatokról és DevOps környezetekről
Célcsoport
- QA mérnökök
- Tesztek fejlesztői szoftvermérnökök (SDETs)
- Szoftvertesztelők agiles vagy DevOps környezetekben működve
14 Órák
Vélemények (1)
Közelítő és hatékony gyakorlási munkamenet a képző tanári ismeretei a copilot speciális használatáról
Tan - ViTrox Technologies Sdn Bhd
Kurzus - Intermediate GitHub Copilot
Gépi fordítás