Základy QA a moderní testování s AI (Příprava podle ISTQB Foundation) Počítačový Kurz

Modul 1: Základy zajištění kvality a testování

• Definice kvality, zajištění kvality (QA) a testování
• Sedm principů testování (ISTQB CTFL v4.0)
• Testování vs. ladění vs. kontrola kvality
• Psychologie testování
• Role a odpovědnosti v týmu QA

Modul 2: Životní cyklus vývoje softwaru a testování

• Fáze životního cyklu testování softwaru (STLC)
• Metody testování ve vodopádovém modelu, Agile, DevOps a CI/CD
• Úrovně testování: unit, integrace, systémová, uživatelská
• Strategie testování „shift-left“ a „shift-right“
• Předvídatelnost mezi požadavky a testovacími případy

Modul 3: Techniky statického testování

• Přezkumy, procházky a inspekce
• Statická analýza pomocí automatizovaných nástrojů
• Přezkum založený na kontrolních seznamech a rolích
• Formální a neformální techniky přezkumu
• Integrace statického testování do agilních pracovních postupů

Modul 4: Testovací techniky

• Techniky černé skříňky: ekvivalentní třídy, analýza hraničních hodnot
• Testování pomocí rozhodovacích tabulek a přechodů stavů
• Testování případu užití a exploratorní testování
• Techniky bílé skříňky: pokrytí příkazů a rozhodnutí
• Zkušenostní techniky a hádání chyb

Modul 5: Správa chyb

• Životní cyklus chyby: detekce, reportování, třídění, řešení, uzavření
• Pisání efektivních reportů o chybách pomocí nástroje JIRA
• Rozdíly mezi závažností a prioritou chyby
• Techniky analýzy kořenové příčiny
• Metriky chyb a analýza trendů

Modul 6: Správa testů a rizikově orientované testování

• Plánování testů a metody odhadu
• Identifikace, hodnocení a zmírnění rizik
• Sledování, řízení a reportování průběhu testů
• Definice kritérií dokončení testů a podmínek ukončení
• Dokumenty testovací strategie a politiky v souladu s ISTQB

Modul 7: Nástroje pro testování a základy automatizace

• Klasifikace testovacích nástrojů (kategorie nástrojů ISTQB)
• Výhody a rizika automatizace testů
• Vybírání nástrojů: open-source versus komerční řešení
• Úvod do Selenium, Playwright a Cypress
• Tvorba základní sady automatizovaných testů

Modul 8: Úvod do AI v zajištění kvality

• Koncepce AI a strojového učení pro testery


• Taxonomie: AI pro testování versus testování systémů AI
• Aktuální krajina testování pomocí AI: příležitosti a omezení
• Kvalitativní charakteristiky systémů založených na AI
• Přehled syllabu ISTQB CT-AI a jeho relevance

Modul 9: Generování testovacích případů asistované AI

• Používání LLM (ChatGPT, Claude, Copilot) pro návrh testovacích případů
• Techniky prompt engineeringu pro generování testovacích scénářů
• Převod uživatelských příběhů a přijímacích kritérií na testovací případy
• Revize a validace AI-generovaných testovacích případů
• Platformy: Testim, Mabl a nástroje pro generování testů native podporované AI

Modul 10: Automatizace testů asistovaná AI

• Samoopravná automatizace testů s Katalon Studio AI
• AI řízené rozpoznávání objektů a lokalizace prvků
• Vizuální regresní testování pomocí Applitools Eyes
• Selenium s doplňky AI pro odolnou automatizaci
• Snižování nákladů na údržbu pomocí inteligentních lokalizátorů

Modul 11: Predikce a analýza chyb pomocí AI

• Prediktivní výběr testů s Launchable a Sealights
• Klastrování selhání a detekce anomálií s ReportPortal
• AI asistovaná analýza kořenové příčiny
• Hodnocení rizika kvality a analýza mezer v testování
• Využití historických dat o chybách k prioritizaci testování

Modul 12: Vyhodnocování nástrojů AI a integrace do CI/CD

• Kritéria pro hodnocení testovacích nástrojů s AI
• Analýza návratnosti investic (ROI) a strategie zavádění
• Integrace testovacích nástrojů s AI do Jenkins, GitHub Actions, GitLab CI
• Návrh pipeline: kdy a kde spouštět testy poháněné AI
• Měření účinnosti testování s využitím AI pomocí metrik

Modul 13: Etické aspekty v testování řízeném AI

• Předsudky a spravedlnost při generování dat pro testování AI
• Obavy o soukromí při používání cloudových nástrojů AI
• Průhlednost a vysvětlitelnost rozhodnutí testovacího procesu AI
• Úvažky ohledně governance a souladu s předpisy
• Odolné postupy pro odpovědné využívání AI v týmech QA

Modul 14: Příprava na zkoušku ISTQB CTFL

• Struktura, délka a scoring zkoušky CTFL v4.0
• Typy otázek a strategie odpovídání
• Rozložení váhy témat napříč kapitolami syllabu CTFL
• Cvičná zkouška s ukázkovými otázkami ve stylu ISTQB
• Studijní roadmapa a doporučené zdroje

Modul 15: Finále: Konečný workflow AI-enhanced testování

• Navrhování testovacích případů z vzorového dokumentu požadavků
• Použití AI k generování a zdokonalování testovacích scénářů
• Automatizace vybraných testů s samoopravnými nástroji
• Reportování chyb a spuštění AI asistované analýzy kořenové příčiny
• Zpětná vazba: integrace AI do každodenní praxe QA