Kurzusleírás

Modul 1: Bevezetés az AI-hoz a QA szempontjából

  • Micsoda mesterségi intelligencia?
  • Gépi tanulás vs mélytanulás vs szabályalapú rendszerek
  • A szoftvertesztelés fejlődése az AI-val
  • Az AI előnyei és kihívásai a QA-ban

Modul 2: Adatok és ML alapjai a tesztelők számára

  • Strukturált vs strukturálankénti adatok megértése
  • Jellemzők, címkék és tanító adatkészletek
  • Felügyelt és felügyelet nélküli tanulás
  • Bevezetés a modellértékelésbe (pontosság, precízió, visszahívás stb.)
  • Valós világbeli QA adatkészletek

Modul 3: Az AI alkalmazási esetek a QA-ban

  • AI-alapú teszteset generálás
  • Hibaelőrejelzés ML segítségével
  • Teszt prioritizálás és kockázat alapú tesztelés
  • Látványos tesztelés a képfeldolgozással
  • Napló elemzés és rendellenesség észlelés
  • Természetes nyelvi feldolgozás (NLP) tesztszkriptekhez

Modul 4: AI eszközök a QA-hoz

  • Áttekintés az AI-alapú QA platformokról
  • Nyílt forráskódú könyvtárak (pl. Python, Scikit-learn, TensorFlow, Keras) használata a QA prototípusokhoz
  • Bevezetés az LLM-kbe a tesztautomatizációban
  • Egyszerű AI modell készítése hibaelőrejelzéshez

Modul 5: Az AI integrálása a QA folyamatokba

  • Az Ön QA folyamatainak AI-kezelhetőségének értékelése
  • Folyamatos integráció és AI: milyenképpen lehet beépíteni az intelligenciát a CI/CD folyamatokba
  • Intelligens tesztsuit-tervezés
  • Az AI modell drift kezelése és újratanítási ciklusok
  • Etikai szempontok az AI-alapú tesztelésben

Modul 6: Gyakorlati laborok és korszakvégi projekt

  • Labor 1: Teszteset generálás automatizálása az AI-val
  • Labor 2: Hibaelőrejelző modell készítése a múltbeli tesztadatokból
  • Labor 3: LLM használata a tesztszkriptek átvizsgálásához és optimalizálásához
  • Korszakvégének projektje: Az AI-alapú tesztelési folyamat teljes körű implementálása

Követelmények

A résztvevőktől elvárjuk, hogy:

  • 2+ éves tapasztalatuk legyen szoftvertesztelési/QA szerepkörben.
  • Ismeretesek legyenek a tesztautomatizáló eszközökkel (pl. Selenium, JUnit, Cypress).
  • Alapvető programozási ismeretük legyen (preferálva Python vagy JavaScript).
  • Tapasztalatuk van verzióközeli és CI/CD eszközökkel (pl. Git, Jenkins).
  • Korábbi AI/ML tapasztalat nem szükséges, bár az izgalmasodás és a kísérletezés hajlamai lényegesek.
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (5)

Közelgő kurzusok

Rokon kategóriák