Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do využití AI při testování softwaru
- Přehled možností umělé inteligence v oblasti testování a kontroly kvality
- Typy nástrojů na bázi AI používaných v moderních testovacích procesech
- Výhody i rizika při nasazování metod založených na umělé inteligenci pro zajištění kvality
Velké jazykové modely a tvorba testovacích scénářů
- Tvorba vhodných promptů pro generování jednotkových a funkčních testů
- Vytváření parametrizovaných a datově řízených šablon testů
- Převod uživatelských požadavků a specifikací na konkrétní testovací skripty
AI v exploračním testování a hledání extrémních případů
- Pomocí umělé inteligence identifikujeme části systému, které dosud nebyly testovány, nebo neobvyklé podmínky jejich použití
- Simulace vzácných či abnormálních scénářů využití softwaru
- Strategie generování testů s ohledem na rizika a pravděpodobnost jejich výskytu
Automatizované UI testy a analýza regresí
- Využití nástrojů jako Testim či mabl pro tvorbu rozhraníových testů s pomocí AI
- Udržování stability UI testů díky schopnosti selektorů samy se upravovat v případě změn na stránce
- Analýza dopadu provedených změn kódu pomocí metod využívajících umělou inteligenci
Analýza selhání testů a jejich optimalizace
- Seskupování chybových výsledků testů s využitím velkých jazykových modelů či nástrojů strojového učení
- Snížení počtu nestabilních testů a přehlcenosti upozorněními
- Určování priority jednotlivých testů na základě historických dat a poznatků
Integrace do CI/CD řetězců
- Vkládání procesů generování testů pomocí AI do systémů typu Jenkins, GitHub Actions či GitLab CI
- Ověřování kvality vytvořených testů při kontrolách vloženého kódu
- Automatizované řešení nevyhovujících variant a inteligentní ovládání průběhu testovacích procesů v rámci řetězce
Budoucí trendy a etické aspekty využití AI při kontrole kvality
- Hodnocení spolehlivosti a bezpečnosti testů generovaných umělou inteligencí
- Správa procesů využívajících AI s důrazem na transparentnost a sledovatelnost jejich výstupů
- Nové směry ve vývoji platform i pro kontrolu kvality vybavených umělou inteligencí a možnosti inteligentního monitorování systémů
Shrnutí kurzu a další směry rozvoje
Požadavky
- Praktické zkušenosti s testováním softwaru, plánováním testů nebo automatizací kontroly kvality
- Seznámenost s testovacími frameworky jako JUnit, PyTest nebo Selenium
- Základní znalosti CI/CD řetězců a prostředí DevOps
Určené skupiny
- Testeri kvality softwaru
- Vývojáři testovacích systémů (SDET)
- Softwaroví testeri pracující v agilních či DevOps prostředích
14 Hodiny
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem