Kursplan
Introduktion till AI i mjukvarutestning
- Översikt över AIs möjligheter inom testning och QA
- Typer av AI-verktyg som används i moderna testarbetsflöden
- Fördelar och risker med AI-driven kvalitetsingenjörskonst
LLMs för Testfallsgenerering
- Promptutformning för att generera enhetstester och funktions tester
- Skapa parametriserade och data-drivna testmallar
- Konvertera användarhistorier och krav till testskript
AI i utforskande och kantsfallstestning
- Identifiera otestade grenar eller förhållanden med hjälp av AI
- Simulera sällsynta eller abnorma användningsscenarier
- Riskbaserade testgenereringsstrategier
Automatiserad gränssnitts- och regressionstestning
- Använda AI-verktyg som Testim eller mabl för skapande av gränssnittstester
- Underhålla stabila gränssnittstester genom självhiljande selektorer
- AI-baserad regressionseffektanalys efter källkodändringar
Felanalyser och testoptimering
- Gruppera testfel med hjälp av LLM- eller ML-modeller
- Minska instabila testkörningar och alarmmättrhet
- Prioritera testutförande baserat på historiska insikter
CI/CD-pipelinedintegration
- Infoga AI-testgenerering i Jenkins, GitHub Actions eller GitLab CI
- Validera testkvalitet under pull-requests
- Automation rollbacks och smarta testgating i pipeliner
Framtidstrender och ansvarsfull användning av AI i QA
- Utvärdera noggrannheten och säkerheten i AI-genererade tester
- Styrning och revisionsbara spår för AI-förstärkta testprocesser
- Trender inom AI-QA-plattformar och intelligent observabilitet
Sammanfattning och nästa steg
Krav
- Erfarenhet av mjukvarutestning, testplanering eller QA-automatisering
- Bekanta med testramverk som JUnit, PyTest eller Selenium
- Grundläggande förståelse av CI/CD-pipeliner och DevOps-miljöer
Målgrupp
- QA-ingeniörer
- Testutvecklingsingenjörer (SDETs)
- Mjukvarutestare som arbetar i agila eller DevOps-inställningar
Vittnesmål (2)
Att jag har fått kunskap om Streamlit-biblioteket från Python och jag kommer säkert att försöka använda det för att förbättra applikationerna i mitt team som är skapade med R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskintolkat
Instruktör som kan anpassa kursnivån under utbildningen för att passa vårt förståelseavseende ämnet, så att vi kan få mer användbar kunskap som kan hjälpa oss att bättre utnyttja verktygen i vår dagliga arbetsuppgifter.
Tatt Juen - ViTrox Technologies Sdn Bhd
Kurs - Intermediate GitHub Copilot
Maskintolkat