Kursplan

Modul 1: Introduktion till AI för QA

  • Vad är artificiell intelligens?
  • Maskininlärning vs djupinlärning vs regelbaserade system
  • Utvecklingen av mjukvarutestning med AI
  • De viktigaste fördelarna och utmaningarna med AI i QA

Modul 2: Data- och ML-grunder för testerare

  • Förstå strukturerade vs ostrukturerade data
  • Egenskaper, etiketter och träningsdatauppsättningar
  • Övervakad och icke-övervakad inlärning
  • Introduktion till modellutvärdering (noggrannhet, precision, renyckel osv.)
  • Realdatamängder inom QA

Modul 3: AI- användningsfall i QA

  • AI-drivna generering av testfall
  • Felprognos med ML
  • Testprioritering och riskbaserad testning
  • Visuell testning med datorseende
  • Logganalys och anomalieridentifiering
  • NLP (natur Språkbehandling) för testskript

Modul 4: AI-verktyg för QA

  • Översikt över AI-drivna testeringsplattformar
  • Användning av öppen källkodsbibliotek (t.ex., Python, Scikit-learn, TensorFlow, Keras) för QA-protyper
  • Introduktion till LLMs i testautomatisering
  • Skapa en enkel AI-modell för att prognostisera testfel

Modul 5: Integrering av AI i testeringsarbetsflöden

  • Utvärdera AI-tillämpligheten för dina testeringsprocesser
  • Kontinuerlig integration och AI: hur man införlivar intelligens i CI/CD-pipeliner
  • Utforma intelligenta testpaket
  • Hantera AI-modellförändring och reträningscyklar
  • Etiska överväganden vid AI-drivna tester

Modul 6: Praktiska laborationer och huvudprojekt

  • Laboration 1: Automatisera generering av testfall med AI
  • Laboration 2: Skapa en felprognosmodell med historisk testdata
  • Laboration 3: Använda en LLM för att granska och optimera testskript
  • Huvudprojekt: slutgiltig implementering av ett AI-drivet testeringspipeline

 

Krav

Deltagarna förväntas ha:

  • 2+ års erfarenhet inom mjukvarutestning/testare (QA)
  • Bekantskap med testautomatiseringsverktyg (t.ex., Selenium, JUnit, Cypress)
  • Grundläggande kunskap i programmering (förkärleken för Python eller JavaScript)
  • Erfarenhet av versionshantering och CI/CD-verktyg (t.ex., Git, Jenkins)
  • Inga tidigare erfarenheter inom AI/ML krävs, men nyfikenhet och villighet att experimentera är viktigt.
 21 timmar

Antal deltagare


Pris per deltagare

Vittnesmål (5)

Kommande Kurser

Relaterade Kategorier