Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Grundläggande QA och testning
- Att definiera kvalitet, kvalitetsförsäkring och testning
- De sju testprinciperna (ISTQB CTFL v4.0)
- Testning vs felsökning vs kvalitetssäkning
- Psykologin inom testning
- Roller och ansvarsområden i ett QA-team
Mjukvarulivscykel och testning
- Faser inom Software Testing Life Cycle (STLC)
- Testansatser inom Waterfall, Agile, DevOps och CI/CD
- Testnivåer: unit, integration, system, acceptance
- Shift-left och shift-right teststrategier
- Sårbarhet mellan kravspecifikationer och testfall
Statiska testtekniker
- Genomgångar, walkthroughs och inspektioner
- Statisk analys med automatiserade verktyg
- Checklistbaserad och rollbaserad granskning
- Formella och informella granskningsmetoder
- Integrering av statisk testning i Agile-flöden
Testtekniker
- Black-box-tekniker: ekvivalenspartitionering, gränsvärdesanalys
- Decision table testning och state transition testning
- Use case testning och explorativ testning
- White-box-tekniker: statement och decision coverage
- Erfarenhetsbaserade tekniker och error guessing
Defekthantering
- Fels livscykel: detektion, rapportering, triage, lösning, stängning
- Skriva effektiva felrapporter med JIRA
- Klassificering av felseverity mot prioritetsnivå
- Root cause analysis-tekniker
- Felmått och trendanalys
Testhantering och riskbaserad testning
- Testplanering och uppskattningsmetoder
- Riskidentifiering, bedömning och mildring
- Testövervakning, styrning och rapportering
- Att definiera testslutkriterier och exitvillkor
- Teststrategi- och testpolicydokument anpassade för ISTQB
Testverktyg och grundläggande automation
- Klassificering av testverktyg (ISTQB verktygskategorier)
- Fördelar och risker med testautomation
- Att välja verktyg: open source kontra kommersiella lösningar
- Introduktion till Selenium, Playwright och Cypress
- Att bygga en basen av automatiserad testssuite
Introduktion till AI i QA
- AI och machine learning-koncept för testare
- Taxonomi: AI för testning kontra testning av AI-system
- Idagelandskapet inom AI-testning: möjligheter och begränsningar
- Kvalitetskaraktärer för AI-baserade system
- Översikt och relevans av ISTQB CT-AI syllabus
AI-assisterad testfallsgenerering
- Använda LLM:er (ChatGPT, Claude, Copilot) för att utarbeta testfall
- Prompt engineering-tekniker för att generera testscenarion
- Att omvandla user stories och acceptanskriterier till testfall
- Granskning och validering av AI-genererade testfall
- Platformer: Testim, Mabl och AI-inhämtade testgenereringsverktyg
AI-assisterad testautomation
- Självläkande testautomation med Katalon Studio AI
- AI-driven objektigenkänning och elementlokalisering
- Visuell regressionstestning med Applitools Eyes
- Selenium med AI-plugins för resilient automation
- Minskade underhållskostnader med intelligenta lokaler
AI för felskissning och analys
- Prognosbaserad testselektion med Launchable och Sealights
- Felclustering och anomaliupptäckt med ReportPortal
- AI-assisterad root cause analysis
- Qualitetsriskpoängsättning och testgap-analys
- Använda historisk felsdata för att prioritera testning
AI-verktyg utvärdering och CI/CD-integrering
- Kriterier för att utvärdera AI-testverktyg
- ROI-analys och adopteringsstrategi
- Integrering av AI-testverktyg i Jenkins, GitHub Actions, GitLab CI
- Pipelinedesign: när och var AI-drivna test ska köras
- Mäta effektiviteten i AI-testning med mått
Ethiska överväganden i AI-driven testning
- Bias och rättvisa i AI-genererade testdata
- Säkerhetsfrågor vid användning av molnbaserade AI-verktyg
- Transparens och förklaringsbarhet i AI-testbeslut
- Styr- och efterlevnadssakfrågor
- Ansvarig AI-praxis för QA-team
Förberedelse för ISTQB CTFL-examen
- CTFL v4.0-examensstruktur, varaktighet och poängsättning
- Frågetyper och svarsstrategier
- Ämnesvikt fördelad över CTFL syllabus-kapitel
- Prövning med exempel på ISTQB-stil frågor
- Studieväg och rekommenderade resurser
Capstone: End-to-End AI-förbättrat testflöde
- Att designa testfall från ett exempelkravdokument
- Använda AI för att generera och finjustera testscenarion
- Automatisera utvalda test med självläkande verktyg
- Rapportera fel och köra AI-assisterad root cause analysis
- Reflektion: integrera AI i daglig QA-praxis
Krav
- Grundläggande förståelse för koncept och terminologi inom mjukvaruutveckling
- Grundläggande kännedom om mjukvarutestning
- Inget tidigare ISTQB-certifikat eller formell QA-utbildning krävs
Målgrupp
- QA-proffs och mjukvarutestare som förbereder sig för ISTQB Foundation Level-certificering
- Testtekniker som söker integrera AI-verktyg i sina flöden för testning
- Team som övergår från ad-hoc-testning till strukturerade QA-ramverk
21 Timmar
