Návrh Školení
Modul 1: Úvod do využití AI v QA
- Co je to umělá inteligence?
- Strojové učení, hluboké učení a systémy založené na pravidlech
- Vývoj softwarového testování s pomocí AI
- Hlavní výhody a výzvy využití umělé inteligence v QA
Modul 2: Základy dat a strojového učení pro testery
- Strukturovaná versus nestrukturovaná data
- Funkce, označky a trénovací datové sady
- Učení pod dohledem a bez dohledu
- Úvod do hodnocení modelů (přesnost, citlivost, specificita apod.)
- Reálné datové sady používané v QA
Modul 3: Případy použití umělé inteligence v QA
- Generování testovacích případů s pomocí AI
- Predikce chyb na základě strojového učení
- Prioritizace testů a rizikové testování
- Vizuální testování s využitím počítačového vidění
- Analýza logů a detekce anomálií
- Zpracování přirozeného jazyka pro tvorbu testovacích skriptů
Modul 4: Nástroje umělé inteligence v QA
- Přehled platform pro testování podporujících AI
- Využití open-source knihoven (např. Python, Scikit-learn, TensorFlow, Keras) k vytvoření prototypů v QA
- Úvod do velkých jazykových modelů v automatizaci testů
- Vytvoření jednoduchého modelu pro predikci neúspěšnosti testů
Modul 5: Integrace AI do procesů QA
- Vyhodnocení připravenosti vašich testovacích procesů na využití umělé inteligence
- Kontinuální integrace a AI: jak začlenit inteligenci do CI/CD řetězců
- Návrh chytrých testovacích sad
- Řízení driftu modelů AI a cyklů jejich přetrénování
- Etické aspekty testování s využitím umělé inteligence
Modul 6: Praktická cvičení a závěrečný projekt
- Cvičení 1: Automatizace generování testovacích případů s pomocí AI
- Cvičení 2: Vytvoření modelu pro predikci chyb na základě historických dat
- Cvičení 3: Využití velkého jazykového modelu k revizi a optimalizaci testovacích skriptů
- Závěrečný projekt: Kompletní implementace testovacího řetězce využívajícího umělou inteligenci
Požadavky
Očekává se, že účastníci budou mít:
- Minimálně 2 roky praxe v oblasti testování softwaru či QA
- Znalost nástrojů pro automatizaci testů (např. Selenium, JUnit, Cypress)
- Základní znalosti programování (nejlépe v Pythonu nebo JavaScriptu)
- Zkušenosti s verzovacími systémy a nástroji CI/CD (např. Git, Jenkins)
- Předchozí znalosti v oblasti umělé inteligence či strojového učení nejsou vyžadovány; naopak je žádoucí zvídavost a ochota experimentovat.
Reference (3)
Možnosti použití Postmana a jeho budoucí využití.
Gordana Gacic - SEE Digital D.O.O.
Kurz - API Testing with Postman
Přeloženo strojem
praktická cvičení, informace se lépe zapamatují
ashley bolen - Insurance Corporation of British Columbia
Kurz - Test Automation with Selenium
Přeloženo strojem
Klíčové témata mohou být s trénorem předem projednána a sjednána. Příjemná a uvolněná atmosféra během seminárních dnů.
Lorenz - Continentale Lebensversicherung AG
Kurz - Advanced Selenium
Přeloženo strojem