Návrh Školení

Modul 1: Úvod do AI pro QA

  • Co je umělá inteligence?
  • Machine Learning vs Deep Learning vs pravidla-založené systémy
  • Vývoj software testingu s AI
  • Klíčové výhody a překážky AI v QA

Modul 2: Základy dat a ML pro testery

  • Rozumění strukturovaným vs nestrukturovaným datům
  • Vlastnosti, značky a trénovací datasety
  • Supervised and unsupervised learning (Přípravné a nepřípravné učení)
  • Úvod do hodnocení modelu (presnost, přesnost, sensitivity, atd.)
  • Skutečné QA datové sady

Modul 3: AI Use Cases v QA

  • AI-založená generace testovacích případů
  • Predikce chyb pomocí ML
  • Prioritizace testů a rizikově založené testy
  • Vizuální testování s počítačovým zrakem
  • Analýza protokolů a detekce anomálií
  • Zpracování přirozeného jazyka (NLP) pro testovací skripty

Modul 4: AI nástroje pro QA

  • Přehled o AI-založených platformách QA 
  • Využití otevřených zdrojových knihoven (např., Python, Scikit-learn, TensorFlow, Keras) pro QA prototypy
  • Úvod do LLM v testovací automatizaci
  • Vytvoření jednoduchého AI modelu k predikci selhání testů

Modul 5: Integrace AI do QA pracovních postupů

  • Hodnocení připravenosti QA procesů pro AI
  • Spojitá integrace a AI: jak vložit inteligenci do CI/CD kanálů
  • Návrh inteligentních testovacích sestav
  • Správa posunů AI modelu a cyklů opakování výuky
  • Etické aspekty AI-založeného testování

Modul 6: Praktická laboratoř a kapstone projekt

  • Laboratorní cvičení 1: Automatizace generování testovacích případů pomocí AI
  • Laboratorní cvičení 2: Vytvoření modelu predikce chyb pomocí historických dat testů
  • Laboratorní cvičení 3: Použití LLM pro kontrolu a optimalizaci testovacích skriptů
  • Kapstone: Úplná implementace AI-založeného testovacího kanálu

Požadavky

Zúčastněnci by měli disponovat:

  • 2+ let zkušeností v rolech software testing/QA
  • Znalosti s testovacími automačními nástroji (např., Selenium, JUnit, Cypress)
  • Základní znalosti programování (preferovaně v Python nebo JavaScript)
  • Zkušenosti s nástroji řízení verzí a CI/CD (např., Git, Jenkins)
  • Není vyžadována předchozí zkušenost s AI/ML, avšak zvídavost a ochota experimentovat jsou klíčové
 21 hodiny

Počet účastníků


Price per participant

Reference (5)

Upcoming Courses

Související kategorie