Návrh Školení

Modul 1: Úvod do AI pro QA

  • Co je umělá inteligence?
  • Strojové učení vs hluboké učení vs pravidlově řízené systémy
  • Evoluce testování softwaru s využitím AI
  • Klíčové výhody a výzvy AI v QA

Modul 2: Základy dat a ML pro testery

  • Rozdíl mezi strukturovanými a nestrukturovanými daty
  • Vlastnosti, štítky a trénovací sady dat
  • Supervizované a nesupervizované učení
  • Úvod do hodnocení modelů (přesnost, přesnost, recall atd.)
  • Reálně světové QA sady dat

Modul 3: Případy použití AI v QA

  • Generování testovacích případů pomocí AI
  • Predikce chyb pomocí ML
  • Prioritizace testů a rizikové testování
  • Vizuální testování s využitím počítačového zpracování obrazu
  • Analýza logů a detekce anomálií
  • Zpracování přirozeného jazyka (NLP) pro testovací skripty

Modul 4: Nástroje AI pro QA

  • Přehled platform podporujících QA s využitím AI
  • Použití open-source knihoven (např. Python, Scikit-learn, TensorFlow, Keras) pro prototypy QA
  • Úvod do využití velkých jazykových modelů (LLMs) ve testovací automatizaci
  • Vytvoření jednoduchého AI modelu pro predikci selhání testů

Modul 5: Integrace AI do pracovních postupů QA

  • Vyhodnocení připravenosti procesů QA pro využití AI
  • Spojité integrace a AI: jak integrovat inteligenci do CI/CD potoků
  • Návrh inteligentních testovacích souborů
  • Správa driftu modelů AI a cykly přetréningu
  • Etické úvahy v testování podporovaném AI

Modul 6: Praktické laboratoře a závěrečný projekt

  • Laboratoř 1: Automatizace generování testovacích případů pomocí AI
  • Laboratoř 2: Vytvoření modelu predikce chyb na základě historických dat o testech
  • Laboratoř 3: Použití LLM k revizi a optimalizaci testovacích skriptů
  • Závěrečný projekt: End-to-end implementace testovacího potoku podporovaného AI

 

Požadavky

Účastníci by měli mít:

  • 2+ let zkušeností v testování softwaru / rolích QA
  • Seznámení s nástroji pro automatizaci testů (např. Selenium, JUnit, Cypress)
  • Základní znalosti programování (preferovaně v Pythonu nebo JavaScriptu)
  • Zkušenosti s řízením verzí a nástroji CI/CD (např. Git, Jenkins)
  • Nepožaduje se předchozí zkušenost s AI/ML, avšak zvědavost a ochota k experimentování jsou nezbytné.
 21 hodiny

Počet účastníků


Cena za účastníka

Reference (5)

Nadcházející kurzy

Související kategorie