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
Modul 1: AI bevezetése a QA-ban
- Mi az mesterséges intelligencia?
- Machine Learning vs Deep Learning vs szabályalapú rendszerek
- A szoftvertesztelés fejlődése az AI segítségével
- Az AI fő előnyei és kihívásai a QA-ban
Modul 2: Adat és ML alapok tesztelők számára
- Szervezett vs. nem szervezett adatok megértése
- Jellemzők, címkék és tanító adatkészletek
- Felügyelt és felügyelt nélküli tanulás
- Modelértékelés bevezetése (pontosság, pontosítás, visszahívás stb.)
- Valós világbeli QA-adatkészletek
Modul 3: AI Use Cases a QA-ban
- AI-alapú teszteset-generálás
- Hibapredikció ML segítségével
- Teszt prioritizálás és kockázat alapú tesztelés
- Látványos tesztelés számítógéppel létrehozott látással
- Naplóanalízis és anomália felismerés
- Természetes nyelvfeldolgozás (NLP) tesztskriptekhez
Modul 4: AI eszközök a QA-ban
- AI-vezérelt QA-platformok áttekintése
- Nyílt forrású könyvtárak használata (pl. Python, Scikit-learn, TensorFlow, Keras) QA prototípusokhoz
- Bevezetés az LLM-ekbe a tesztautomatizálásban
- Egyszerű AI modell létrehozása a teszthibák előrejelzésére
Modul 5: AI integrálása QA folyamatokba
- QA folyamatok AI készségének értékelése
- Folytatólagos integráció és AI: az intelligencia beépítése a CI/CD pipeline-be
- Intelligens tesztkészletek tervezése
- AI modell eltolódásának kezelése és újratanítási ciklusok
- Etikai szempontok az AI-alapú tesztelésben
Modul 6: Pratikus laborok és végső projekt
- Labor 1: AI-alapú teszteset generálás automatizálása
- Labor 2: Hibapredikciós modell létrehozása történeti tesztadatok alapján
- Labor 3: LLM használata tesztskriptek szemléltetésére és optimalizálására
- Végső projekt: AI-alapú tesztelőfolyamat teljes körű implementálása
Követelmények
A részvevőknek rendelkeznie kell:
- 2+ éves tapasztalat software tesztelés/QA szerepekben
- Ismeretség tesztautomatizálási eszközökkel (pl., Selenium, JUnit, Cypress)
- Alapvető programozási ismeretek (lehetőleg Python vagy JavaScript nyelven)
- Tapasztalat verziókezelési és CI/CD eszközökkel (pl., Git, Jenkins)
- Nem szükséges előzetes AI/ML tapasztalat, de a kíváncsiság és az kísérletezési hajlam alapvető
21 Órák
Vélemények (5)
Jó kapcsolat, Łukasznak volt ideje mindenki kérdésére, és tudott segíteni mindenkinek, akinek bármilyen problémája volt
Kelly Morris - Titian Software Poland Sp. z o.o.
Kurzus - Selenium WebDriver in C#
Gépi fordítás
Mindent élveztem, mivel teljesen új számomra, és látom, hogy milyen hozzáadott értéket jelenthet a munkámnak.
Zareef - BMW South Africa
Kurzus - Tosca: Model-Based Testing for Complex Systems
Gépi fordítás
Sok gyakorlat, amely sok gyakorlati készséget adott.
Rafal Borek - Bytamic Solutions sp. z o.o.
Kurzus - Automation Testing with Cypress
Gépi fordítás
Mennyiség gyakorlati feladatok.
Jakub Wasikowski - riskmethods sp. z o.o
Kurzus - API Testing with Postman
Gépi fordítás
Lépésről lépésre elemzés. Minden sor kód magyarázata. Minden problémám sikeresen megoldódott a tanfolyam során, és Łukasz elmondta az okát. A bemutatott jó gyakorlatok is tetszettek. Soha nem voltam meggyőződve a TDD stílusról – egyszerűen nem találom hasznosnak és nem éri meg az időt. Łukasz annyi előnyére mutatott rá a TDD-nek, hogy teljesen megváltoztatta a véleményemet.
Michal Uscinski - Devapo Sp. z o. o.
Kurzus - Testing Angular Applications
Gépi fordítás
