Kursplan

Introduktion till AI i QA-automatisering

  • Rolnen av AI i modern mjukvarutestning
  • Jämförelse mellan traditionell och AI-förstärkt QA-strategier
  • Översikt över AI-baserade testverktyg (Testim, mabl, Functionize)

Generering av tester med AI

  • Modellbaserad och UI-baserad testgenerering
  • Användning av Testim eller liknande plattformar för att automatiskt generera flöden
  • Utvärdering av testavsikt, stabilitet och återanvändbarhet

Regressionanalyser och testprioritering

  • Påverkningsbaserad testselektion och -avknotning
  • Ändringsmedvetna testkörningar för stora lagringsplatser
  • AI-driven prioritering baserad på risk och frekvens

Integration med CI/CD-pipeliner

  • Anslutning av automatiserade tester till Jenkins, GitHub Actions eller GitLab CI
  • Automatiserad kvalitetskontroll och testfeedbackloppar
  • Utlösning av tester vid pull-requests och distributionshändelser

Felprognos och avvikelsedetektion

  • Analys av testdata för att förutsäga troliga felområden
  • Kluster- och triage av avvikelser med ML-tekniker
  • Feedback till utvecklare med AI-genererade insikter

Underhåll och skalning av AI-baserade tester

  • Hantering av testdrift och UI-ändringar
  • Versionskontroll och testkonfigurationshantering
  • Skalning till företagsnivå QA-miljöer

Fallstudier och praktiska tillämpningar

  • Företagsspecifika implementeringar av AI QA-pipeliner
  • Bästa praxis för teams adoption och genomförande
  • Lärdomar: framgångar, misslyckanden och justeringar

Sammanfattning och nästa steg

Krav

  • Erfarenhet av mjukvarutestning eller QA-arbetsflöden
  • Bekantskap med CI/CD-pipeliner och DevOps-praktik
  • Grundläggande förståelse av automatiserade testverktyg eller -ramverk

Målgrupp

  • QA-ledare och testeringsautomatiseringsingenjörer
  • DevOps-professionals och SREs (Site Reliability Engineers)
  • Agila testare och kvalitetschefer
 14 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier