Kursplan

Introduktion till AI i QA-automatisering

  • AI:s roll i modern programvarutestning
  • Jämförelse av traditionella vs. AI-förstärkta 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
  • Bedömning av testavsikt, stabilitet och återanvändbarhet

Regressionanalys och testprioritering

  • Påverkningsbaserat testurval och trimning
  • Förändringsmedvetna testkörningar för stora repotek
  • AI-drivet prioritering baserat på risk och frekvens

Integration med CI/CD-pipelines

  • Anslutning av automatiserade tester till Jenkins, GitHub Actions eller GitLab CI
  • Automatiserad kvalitetsgränssättning och teståterkopplingsloopar
  • Utlösning av tester vid pull-begäranden och distributionshändelser

Defektprognos och avvikelsedetektering

  • Analys av testdata för att förutse troliga felområden
  • Klustring och sortering av avvikelser med ML-tekniker
  • Återkoppling till utvecklare med AI-genererade insikter

Underhåll och skalning av AI-baserade tester

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

Fallstudier och praktiska tillämpningar

  • Företagsimplementeringar av AI QA-pipelines
  • Bästa praxis för teamadoption och utrollning
  • Lärdomar: framgångar, misslyckanden och justeringar

Sammanfattning och nästa steg


Krav

  • Erfarenhet av programvarutestning eller QA-flöden
  • Kännedom om CI/CD-pipelines och DevOps praxis
  • Grundläggande förståelse för automatiserade testverktyg eller ramverk

Målgrupp

  • QA-ledare och testautomatiseringsingenjörer
  • DevOps professionella och SREs
  • Agile testare och kvalitetschefer
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier