Základy zajištění kvality a moderního testování s využitím umělé inteligence (Příprava na certifikaci ISTQB Foundation) Počítačový Kurz

Modul 1: Základy zajištění kvality a testování

• Definice kvality, zajištění kvality a samotného testování.
• Sedm základních principů testování (podle ISTQB CTFL v4.0).
• Rozdíly mezi testováním, laděním a kontrolou kvality.
• Psychologie při testování.
• Role a povinnosti členů QA týmu.

Modul 2: Životní cyklus vývoje softwaru a testování

• Fáze životního cyklu testování (STLC).
• Přístupy k testování ve vývojových metodikách Waterfall, Agile, DevOps a CI/CD.
• Úrovně testování: jednotkové, integrační, systémové a akceptační testy.
• Strategie „Shift-left“ a „Shift-right“ v testování.
• Sledovatelnost požadavků a testovacích případů.

Modul 3: Techniky statického testování

• Přezkoumávání, procházení dokumentace a kontroly kvality.
• Statická analýza pomocí automatizovaných nástrojů.
• Kontrola podle seznamu požadavků a dle rozdělení rolí.
• Formální i neformální metody přezkoumávání.
• Začleňování statického testování do agilních procesů.

Modul 4: Techniky testování

• Techniky pro testování černé skříňky: rozdělení ekvivalentů, analýza mezních hodnot.
• Testování pomocí tabulek rozhodnutí a přechodů mezi stavy systému.
• Testování na základě scénářů uživatele a explorační testování.
• Techniky pro testování bílé skříňky: pokrytí příkazů a rozhodnutí.
• Metody vycházející ze zkušeností testera a odhadování možných chyb.

Modul 5: Správa chyb

• Životní cyklus chyby: její nalezení, hlášení, klasifikace, řešení a uzavření.
• Tvorba efektivních hlášení chyb v nástroji JIRA.
• Rozdíly mezi závažností a prioritou chyby.
• Techniky vyhledávání skutečné příčiny vzniku chyby.
• Měření metrik týkajících se chyb a analýza jejich trendů.

Modul 6: Řízení testování a rizikově orientované přístupy

• Metody plánování testování a odhadů jeho rozsahu.
• Identifikace, hodnocení a řešení potenciálních rizik.
• Sledování průběhu testování, kontrola postupu a vytváření zpráv.
• Stanovení kritérií dokončení testů a podmínek jejich ukončení.
• Tvorba strategií a pravidel testování v souladu s požadavky ISTQB.

Modul 7: Nástroje pro testování a základy automatizace

• Klasifikace testovacích nástrojů podle kategorií ISTQB.
• Přínosy i rizika spojená s automatizací testů.
• Výběr vhodných nástrojů: open-source versus komerční řešení.
• Seznámení s nástroji Selenium, Playwright a Cypress.
• Sestavení jednoduchého automatizovaného testovacího skriptu.

Modul 8: Úvod do využití AI při zajištění kvality

• Základy umělé inteligence a strojového učení pro testéry.
• Rozdíly mezi využitím AI pro testování a testováním samotných systémů založených na AI.
• Aktuální situace v oblasti testování s pomocí AI: příležitosti i omezení.
• Charakteristiky kvality u systémů využívajících umělou inteligenci.
• Přehled a význam osnov kurzu ISTQB CT-AI.

Modul 9: Generování testovacích případů pomocí AI

• Použití jazykových modelů (ChatGPT, Claude, Copilot) k návrhu testovacích scénářů.
• Techniky formulování požadavků pro generaci testovacích případů.
• Převod uživatelských požadavků a akceptačních kritérií na konkrétní testy.
• Kontrola a validace výsledků generovaných pomocí AI.
• Používání specializovaných platforem: Testim, Mabl a dalších nástrojů pro tvorbu testů.

Modul 10: Automatizace testů s využitím AI

• Samoopravující se automatizace testů díky nástroji Katalon Studio AI.
• Rozpoznávání prvků a jejich lokalizace pomocí algoritmů umělé inteligence.
• Vizuální regresní testování prováděné nástrojem Applitools Eyes.
• Použití rozšíření AI pro Selenium při vytváření odolných automatizačních skriptů.
• Snížení náročnosti na údržbu testovacích skriptů díky inteligentnímu vyhledávání prvků.

Modul 11: Využití AI pro predikci a analýzu chyb

• Předběžné výběry testovacích případů pomocí nástrojů Launchable a Sealights.
• Shlukování selhání a detekce anomálií s využitím ReportPortal.
• Asistence umělé inteligence při vyhledávání skutečné příčiny chyb.
• Hodnocení rizik kvality a identifikace nedostatků v testovacích pokryvech.
• Využití historických dat o chybách k prioritizaci budoucího testování.

Modul 12: Hodnocení nástrojů AI a jejich integrace do CI/CD procesů

• Kritéria pro hodnocení vhodnosti testovacích nástrojů s podporou AI.
• Analýza návratnosti investic a plán zavádění nových technologií.
• Integrace těchto nástrojů do systémů typu Jenkins, GitHub Actions a GitLab CI.
• Návrh postupů v rámci vývojových procesů – kdy a jak testy využívající AI spustit.
• Měření účinnosti testování s pomocí speciálních metrik.

Modul 13: Etické aspekty testování s využitím AI

• Předpojatost a spravedlnost výsledků generovaných umělou inteligencí.
• Ochrana soukromí při využívání cloudových nástrojů AI.
• Transparentnost a srozumitelnost rozhodnutí přijímaných algoritmy AI.
• Soulad s právními normami a správa rizik spojených s využíváním AI.
• Odpovědné postupy při používání AI pro týmy zajišťující kvalitu.

Modul 14: Příprava na zkoušku ISTQB CTFL

• Struktura, délka a hodnocení zkoušky CTFL v4.0.
• Typy otázek a strategie jejich zodpovídání.
• Rozdělení tématic v učebních osnovách podle váhy jednotlivých kapitol.
• Praktické cvičné testy obsahující ukázkové otázky ISTQB.
• Návrh studijního plánu a doporučené materiály pro přípravu.

Modul 15: Absolventský projekt – komplexní testovací proces s využitím AI

• Návrh testovacích případů na základě ukázkového dokumentu s požadavky.
• Generování a zdokonalování testovacích scénářů pomocí AI.
• Automatizace vybraných testů za využití samoopravujících se nástrojů.
• Hlášení chyb a využití asistenčních funkcí AI při vyhledávání jejich původu.
• Závěrečná reflexe: jak začlenit metody využívající umělou inteligenci do každodenní praxe QA.