Základy QA a moderního testování s využitím AI (Příprava na certifikaci ISTQB Foundation) Počítačový Kurz

Modul 1: Základy zajištění kvality a testování

• Definice kvality, zajištění kvality a testování
• Sevět principů testování (ISTQB CTFL v4.0)
• Testování versus ladění versus kontrola kvality
• Psychologie testování
• Role a odpovědnost v týmu QA

Modul 2: Životní cyklus vývoje softwaru a testování

• Fáze životního cyklu testování softwaru (STLC)
• Postupy testování ve vodotoku (Waterfall), Agilním vývoji, DevOps a CI/CD
• Úrovně testování: jednotkové, integrační, systémové, akceptační
• Strategie posunu doleva (shift-left) a doprava (shift-right)
• Propojitelnost mezi požadavky a testovacími případy

Modul 3: Techniky statického testování

• Přehledy, walkthrough a inspekce
• Statická analýza pomocí automatizovaných nástrojů
• Přehledy založené na kontrolním seznamu a na rolích
• Formální a neformální techniky přehledů
• Integrace statického testování do agilních pracovních postupů

Modul 4: Testovací techniky

• Techniky černé skříňky: ekvivalentní dělení, analýza hraničních hodnot
• Testování rozhodovacích tabulek a přechodů stavů
• Testování na základě případů použití a exploratorní testování
• Techniky bílé skříňky: pokrytí příkazů a rozhodnutí
• Zkušenostní techniky a hádání chyb

Modul 5: Správa chyb

• Životní cyklus chyby: detekce, hlášení, třídění, řešení, uzavření
• Pisání efektivních hlášení chyb s využitím JIRA
• Rozlišení mezi závažností a prioritou chyby
• Techniky analýzy kořenové příčiny
• Metriky chyb a analýza trendů

Modul 6: Testovací management a testování řízené riziky

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

Modul 7: Základy nástrojů pro testování a automatizace

• Klasifikace testovacích nástrojů (kategorie nástrojů ISTQB)
• Výhody a rizika automatizace testů
• Výběr nástrojů: open-source versus komerční řešení
• Úvod do Selenium, Playwright a Cypress
• Tvorba základního automatizovaného testovacího souboru

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 vlastnosti pro systémy založené na AI
• Přehled osnovy ISTQB CT-AI a její relevance

Modul 9: Generování testovacích případů asistované AI

• Využití LLM (ChatGPT, Claude, Copilot) pro návrh testovacích případů
• Techniky inženýrství promptů pro generování testovacích scénářů
• Převod uživatelských příběhů a akceptačních kritérií na testovací případy
• Revize a validace testovacích případů vygenerovaných AI
• Platformy: Testim, Mabl a nástroje pro nativní generování testů AI

Modul 10: Automatizace testů asistovaná AI

• Samoopravná automatizace testů s Katalon Studio AI
• Řízené AI rozpoznávání objektů a lokalizace prvků
• Vizuální regresní testování s Applitools Eyes
• Selenium s AI pluginy pro odolnou automatizaci
• Snižování údržbové zátěže pomocí inteligentních lokalizátorů

Modul 11: AI pro předpovídání a analýzu chyb

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

Modul 12: Hodnocení nástrojů AI a integrace s CI/CD

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

Modul 13: Etické aspekty testování řízeného AI

• Předsudky a spravedlnost v testovacích datech generovaných AI
• Obavy o soukromí při používání cloudových nástrojů AI
• Transparentnost a vysvětlitelnost rozhodnutí AI v testování
• Aspekty governance a souladu s předpisy
• Praktické principy zodpovědné AI pro týmy QA

Modul 14: Příprava na zkoušku ISTQB CTFL

• Struktura zkoušky CTFL v4.0, délka a skórování
• Typy otázek a strategie odpovídání
• Rozložení vah témat napříč kapitolami osnovy CTFL
• Zkušební zkouška s ukázkovými otázkami ve stylu ISTQB
• Studijní plán a doporučené zdroje

Modul 15: Závěrečný projekt: Konečný pracovní postup testování obohacený o AI

• Navrhuji testovací případy ze vzorového dokumentu požadavků
• Použití AI k generování a zdokonalování testovacích scénářů
• Automatizace vybraných testů pomocí samoopravných nástrojů
• Hlášení chyb a spuštění analýzy kořenové příčiny asistované AI
• Závěrečné zhodnocení: integrace AI do každodenní praxe QA