Kurzusleírás
1. modul: Bevezetés az AI-ba QA szempontból
- Mi a mesterséges intelligencia?
- Gépi tanulás vs. mély tanulás vs. szabályalapú rendszerek
- A szoftvertesztelés fejlődése az AI segítségével
- Az AI fő előnyei és kihívásai a QA területén
2. modul: Adatok és ML alapok tesztelőknek
- Strukturált vs. strukturálatlan adatok megértése
- Jellemzők, címkék és tanuló adathalmazok
- Felügyelt és felügyelet nélküli tanulás
- Bevezetés a modellértékelésbe (pontosság, precízió, visszahívás stb.)
- Valós QA adathalmazok
3. modul: AI használati esetek a QA-ban
- AI-alapú teszteset-generálás
- Hibajelzés gépi tanulással
- Tesztprioritizálás és kockázatalapú tesztelés
- Vizuális tesztelés számítógépes látás segítségével
- Naplóelemzés és anomáliafelismerés
- Természetes nyelvfeldolgozás (NLP) teszt szkriptekhez
4. modul: AI eszközök a QA számára
- AI-alapú QA platformok áttekintése
- Nyílt forráskódú könyvtárak használata (pl. Python, Scikit-learn, TensorFlow, Keras) QA prototípusokhoz
- Bevezetés az LLM-kbe a tesztautomatizálásban
- Egyszerű AI modell építése teszt hibák előrejelzésére
5. modul: AI integrálása a QA munkafolyamatokba
- AI-készültség értékelése a QA folyamataidban
- Folyamatos integráció és AI: hogyan ágyazzuk be az intelligenciát a CI/CD folyamatokba
- Intelligens tesztkészletek tervezése
- AI modell eltolódásának és újratanítási ciklusainak kezelése
- Etikai megfontolások az AI-alapú tesztelésben
6. modul: Gyakorlati laborok és záróprojekt
- Labor 1: Teszteset-generálás automatizálása AI segítségével
- Labor 2: Hibajelző modell építése történelmi tesztadatok felhasználásával
- Labor 3: LLM használata teszt szkriptek áttekintéséhez és optimalizálásához
- Záróprojekt: AI-alapú tesztelési folyamat teljes körű implementációja
Követelmények
A résztvevőktől elvárható:
- Legalább 2 év tapasztalat szoftvertesztelés/QA területen
- Ismeret a tesztautomatizáló eszközökkel (pl. Selenium, JUnit, Cypress)
- Alapvető programozási ismeretek (előnyösen Python vagy JavaScript)
- Tapasztalat verziókezelő és CI/CD eszközökkel (pl. Git, Jenkins)
- Nincs szükség előzetes AI/ML tapasztalatra, de a kíváncsiság és a kísérletezésre való hajlandóság elengedhetetlen
Vélemények (5)
Jó kapcsolat, Łukasz időt szentelt mindenki kérdéseinek és tudott segíteni bárkinek gond volt.
Kelly Morris - Titian Software Poland Sp. z o.o.
Kurzus - Selenium WebDriver in C#
Gépi fordítás
Kezileg elvégzendő gyakorlatok mennyisége.
Jakub Wasikowski - riskmethods sp. z o.o
Kurzus - API Testing with Postman
Gépi fordítás
A képző minden funkciót részletesen elmagyarázta.
Argean Quilaquil - DXC
Kurzus - TestComplete
Gépi fordítás
A képző bizalommal adja. Az elmagyarázata világos és érdekes. Megpróbálja a leckéket annyi mértékben is érdekesnek tenni, amennyiben csak lehet. élveztem az órát és sokat tanultam. Köszönöm nagyon szépen. A leghasznosabb technika, amit megtanultam, a különböző webkomponensek (pl. szövegmező, rádiógomb és gomb) elemeknek az elhelyezkedésének meghatározása volt. Néha az elem azonosítója nem kerül megfelelően rögzítésre. Különböző módokat tanultunk az elemek elhelyezkedésének meghatározására, mint például a CSS-választók, XPath, Név és Azonosító használata. Szerettem az elmagyarázást. Köszönöm
Bee Chin Chuah - I-Access Solutions Pte Ltd
Kurzus - Advanced Selenium with C#
Gépi fordítás
The One on One session is amazing!! And thankful that the trainer's skills are Excellent and his willingness to share them to the fullness. I am very satisfied. . with the training and I wouldn't have wish to have done it anywhere else. I would only wish that I had One day longer for the training.
Isaac Nyembo - Bechtle Clouds GmbH
Kurzus - Advanced Selenium
Gépi fordítás