Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 14 hodiny
Návrh Školení
Úvod do umělé inteligence v testování softwaru
- Přehled schopností AI v testování a QA
- Typy nástrojů AI používaných v moderních testovacích pracovních procesech
- Výhody a rizika inženýrství kvality poháněného umělou inteligencí
LLM pro generování testovacích případů
- Prompt engineering pro generování unit a funkčních testů
- Vytváření parametrizovaných a datově poháněných šablon testů
- Převod uživatelských příběhů a požadavků na testovací skripty
AI v prozkoumávacím testování a testování okrajových případů
- Identifikace netestovaných větví nebo podmínek pomocí AI
- Simulace vzácných nebo abnormálních scénářů použití
- Strategie generování testů založená na rizicích
Automatizace testování UI a regresní testování
- Použití nástrojů AI, jako jsou Testim nebo mabl, pro vytváření UI testů
- Udržování stabilních UI testů pomocí samoselekcí (self-healing selectors)
- Analýza dopadu regresí na základě AI po změnách kódu
Analýza selhání a optimalizace testů
- Zclustrování selhání testů pomocí modelů LLM nebo ML
- Snížení počtu nestabilních testů (flaky tests) a únavy z varování
- Priorizace provádění testů na základě historických poznatků
Integrace do pipeline CI/CD
- Vkládání generování testů AI do Jenkins, GitHub Actions nebo GitLab CI
- Validace kvality testů během pull requestů
- Automatizované rollbacky a inteligentní bránění testů (smart test gating) v pipeline
Budoucí trendy a odpovědné využívání AI v QA
- Hodnocení přesnosti a bezpečnosti testů generovaných AI
- Správa a auditní stopy pro procesy testování posílené AI
- T trendy v platformách AI-QA a inteligentní observabilitě
Shrnutí a další kroky
Požadavky
- Zkušenosti s testováním softwaru, plánováním testů nebo automatizací QA
- Znalost testovacích frameworků, jako jsou JUnit, PyTest nebo Selenium
- Základní pochopení pipeline CI/CD a prostředí DevOps
Cílová skupina
- QA inženýři
- Inženýři softwarového vývoje pro testování (SDET)
- Testovatelé softwaru pracující v agilních nebo DevOps prostředích
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