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

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák