Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 21 hodiny
Návrh Školení
Úvod do AI pro QA
- Co je umělá inteligence?
- Strojové učení vs. hluboké učení vs. systém založený na pravidlech
- Evole testování softwaru s využitím AI
- Klíčové výhody a výzvy AI v QA
Základy dat a ML pro testery
- Rozumění strukturovaným a nestrukturovaným datům
- Vlastnosti, etikety a trénovací datové sady
- Dohlédnuté a nedohlédnuté učení
- Úvod do hodnocení modelů (přesnost, přesnost, recall atd.)
- Skutečné QA datové sady
Použití AI v QA
- Generování testovacích případů poháněných AI
- Předpověď chyb pomocí ML
- Prioritizace testů a testování na základě rizika
- Vizuální testování pomocí počítačového vidění
- Analýza logů a detekce anomálií
- Zpracování přirozeného jazyka (NLP) pro testovací skripty
AI nástroje pro QA
- Přehled AI-enabled QA platforem
- Použití open-source knihoven (např. Python, Scikit-learn, TensorFlow, Keras) pro QA prototypy
- Úvod do LLM v automatizaci testování
- Vytvoření jednoduchého AI modelu pro předpověď selhání testů
Integrace AI do QA pracovních toků
- Hodnocení připravenosti vašich QA procesů pro AI
- Continous integrace a AI: jak začlenit inteligenci do CI/CD pipeline
- Navrhování inteligentních testovacích sad
- Správa posunu AI modelů a cykly retrénování
- Etické úvahy v testování poháněném AI
Praktické laboratorní cvičení a Capstone projekt
- Laboratoř 1: Automatizace generování testovacích případů pomocí AI
- Laboratoř 2: Vytvoření modelu pro předpověď chyb pomocí historických testovacích dat
- Laboratoř 3: Použití LLM k revizi a optimalizaci testovacích skriptů
- Capstone: Implementace end-to-end testovacího pipeline poháněného AI
Požadavky
Od účastníků se očekává:
- 2+ roky zkušeností v rolích testování softwaru/QA
- Znalost nástrojů pro automatizaci testování (např. Selenium, JUnit, Cypress)
- Základní znalost programování (přednostně v Pythonu nebo JavaScriptu)
- Zkušenosti s verzováním a nástroji CI/CD (např. Git, Jenkins)
- Předchozí zkušenosti s AI/ML nejsou požadovány, ale zvědavost ochota experimentovat jsou nezbytné
Reference (1)
Nejcennější poznatkem bylo porozumění tomu, jak efektivně využívat umělou inteligenci ke zlepšování testovacích aktivit, zejména prostřednictvím zdokonaleného prompt inženýrství, AI agentů, technologie RAG a testovací analýzy podporované umělou inteligencí.
Tallada Vijayakumar - Advantest Europe GmbH
Kurz - AI Enablement Training Program for Software QA Engineers
Přeloženo strojem
