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: A minőségbiztosítás és tesztelés alapjai
- A minőség, minőségbiztosítás és tesztelés meghatározása
- A hét tesztelési elv (ISTQB CTFL v4.0)
- Tesztelés vs. hibakeresés vs. minőségellenőrzés
- A tesztelés pszichológiája
- Szerepek és felelősségek a QA csapatban
Modul 2: Szoftverfejlesztési életciklus és tesztelés
- A szoftvertesztelési életciklus (STLC) szakaszai
- Vízesés, Agile, DevOps és CI/CD tesztelési megközelítések
- Tesztszintek: egység, integráció, rendszer, elfogadás
- Shift-left és shift-right tesztelési stratégiák
- Követhetőség a követelmények és tesztesetek között
Modul 3: Statikus tesztelési technikák
- Felülvizsgálatok, bemutatók és ellenőrzések
- Statikus elemzés automatizált eszközökkel
- Ellenőrzőlista alapú és szerepköralapú felülvizsgálat
- Formális és informális felülvizsgálati technikák
- Statikus tesztelés integrálása Agile munkafolyamatokba
Modul 4: Teszttechnikák
- Fekete doboz technikák: ekvivalenciaparticionálás, határérték-analízis
- Döntési táblázatos tesztelés és állapotátmenet tesztelés
- Használati eset tesztelés és felderítő tesztelés
- Fehér doboz technikák: utasítás- és döntési lefedettség
- Tapasztalatalapú technikák és hibakeresés
Modul 5: Hibakezelés
- Hiba életciklus: észlelés, jelentés, triázs, megoldás, lezárás
- Hatékony hibajelentések írása JIRA-val
- Hiba súlyosság vs. prioritás besorolása
- Gyökér ok elemzési technikák
- Hibametrikák és trendelemzés
Modul 6: Tesztmenedzsment és kockázatalapú tesztelés
- Teszttervezés és becslési módszerek
- Kockázat azonosítás, értékelés és enyhítés
- Tesztmonitorozás, irányítás és jelentéskészítés
- Tesztbefejezési kritériumok és kilépési feltételek meghatározása
- ISTQB-kompatibilis tesztstratégia és tesztpolitika dokumentumok
Modul 7: Teszteszközök és automatizálás alapjai
- Teszteszközök osztályozása (ISTQB eszközkategóriák)
- A tesztautomatizálás előnyei és kockázatai
- Eszközök kiválasztása: nyílt forráskódú vs. kereskedelmi megoldások
- Bevezetés a Selenium, Playwright és Cypress használatába
- Alapvető automatizált tesztkészlet létrehozása
Modul 8: Bevezetés az AI használatába a minőségbiztosításban
- AI és gépi tanulás alapfogalmai tesztelők számára
- Taxonómia: AI a teszteléshez vs. AI rendszerek tesztelése
- Az AI tesztelés jelenlegi helyzete: lehetőségek és korlátok
- Minőségi jellemzők AI-alapú rendszerekhez
- ISTQB CT-AI tananyag áttekintése és relevanciája
Modul 9: AI által támogatott teszteset generálás
- LLM-ek (ChatGPT, Claude, Copilot) használata tesztesetek tervezéséhez
- Prompt mérnöki technikák tesztforgatókönyvek generálásához
- Felhasználói történetek és elfogadási kritériumok átalakítása tesztesetekké
- AI által generált tesztesetek ellenőrzése és érvényesítése
- Platformok: Testim, Mabl és AI-alapú tesztgeneráló eszközök
Modul 10: AI által támogatott tesztautomatizálás
- Öngyógyító tesztautomatizálás Katalon Studio AI-val
- AI-alapú objektumfelismerés és elemek helyének meghatározása
- Vizuális regressziós tesztelés Applitools Eyes segítségével
- Selenium AI bővítményekkel a robusztus automatizálás érdekében
- Karbantartási terhek csökkentése intelligens lokátorokkal
Modul 11: AI a hibajelzés és elemzés támogatására
- Prediktív tesztkiválasztás Launchable és Sealights segítségével
- Hibacsoportosítás és anomália észlelés ReportPortal segítségével
- AI által támogatott gyökér ok elemzés
- Minőségi kockázatpontszámítás és tesztrés analitika
- Történelmi hibák felhasználása a tesztelés priorizálásához
Modul 12: AI eszközök értékelése és CI/CD integráció
- AI tesztelési eszközök értékelési kritériumai
- ROI elemzés és bevezetési stratégia
- AI tesztelési eszközök integrálása Jenkins, GitHub Actions, GitLab CI rendszerekbe
- Pipeline tervezés: mikor és hol futtassunk AI-alapú teszteket
- AI tesztelés hatékonyságának mérése metrikákkal
Modul 13: Etikai megfontolások az AI-alapú tesztelésben
- Torzítás és igazságosság az AI által generált tesztadatokban
- Adatvédelmi aggályok felhőalapú AI eszközök használatakor
- Az AI tesztelési döntések átláthatósága és magyarázhatósága
- Szabályozási és megfelelőségi megfontolások
- Felelős AI gyakorlatok QA csapatok számára
Modul 14: ISTQB CTFL vizsgafelkészítés
- CTFL v4.0 vizsga szerkezete, időtartama és pontozása
- Kérdéstípusok és válaszstratégiák
- Téma súlyeloszlás a CTFL tananyag fejezetei között
- Gyakorlóvizsga ISTQB-stílusú mintakérdésekkel
- Tanulmányi útmutató és ajánlott források
Modul 15: Záróprojekt: Végponttól végpontig AI-alapú tesztelési folyamat
- Tesztesetek tervezése egy minta követelménydokumentumból
- AI használata tesztforgatókönyvek generálásához és finomításához
- Kiválasztott tesztek automatizálása öngyógyító eszközökkel
- Hibajelentések készítése és AI által támogatott gyökér ok elemzés
- Retrospektíva: AI integrálása a napi QA gyakorlatba
Követelmények
- Alapvető ismeretek a szoftverfejlesztés fogalmairól és terminológiájáról
- Alapvető ismeretek a szoftvertesztelésről
- Nem szükséges korábbi ISTQB minősítés vagy formális QA képzés
Célközönség
- QA szakemberek és szoftvertesztelők, akik az ISTQB Alapvizsga minősítésre készülnek
- Tesztmérnökök, akik AI eszközöket szeretnének integrálni tesztelési folyamataikba
- Csapatok, akik alkalmi tesztelésről strukturált QA keretrendszerekre szeretnének átállni
21 Órák
