Grundläggande principer för QA och modern testning med AI (ISTQB Foundation Preparation) Träningskurs

Modul 1: Grundläggande principer för kvalitetssäkring och testning

• Att definiera kvalitet, kvalitetssäkring och testning
• De sju testprinciperna (ISTQB CTFL v4.0)
• Testning kontra felsökning kontra kvalitetskontroll
• Testningens psykologi
• Roller och ansvar i ett QA-team

Modul 2: Mjukvaruutvecklingslivscykel och testning

• Faserna i Mjukvarutestlivscykeln (STLC)
• Teststrategier för Waterfall, Agile, DevOps och CI/CD
• Testnivåer: enhet, integration, system, acceptans
• Shift-left- och shift-right-teststrategier
• Sporbarhet mellan krav och testfall

Modul 3: Statiska testtekniker

• Granskningar, genomgångar och inspektioner
• Statisk analys med hjälp av automatiserade verktyg
• Checklistbaserad och rollbaserad granskning
• Formella och informella granskningsmetoder
• Integration av statisk testning i Agile-arbetsflöden

Modul 4: Testtekniker

• Svart-box-tekniker: ekvivalenspartitionering och gränsvärdesanalys
• Entabeltestning och tillståndstransitionstestning
• Användarfalletestning och utforskande testning
• Vit-box-tekniker: utsattnings- och beslutsomfattning
• Erfarenhetsbaserade tekniker och gissning av fel

Modul 5: Felhantering

• Felens livscykel: upptäckt, rapportering, triagering, lösning, avslut
• Skrivning av effektiva felförteckningar med JIRA
• Indikering av allvarlighetsgrad och prioritet för fel
• Metoder för rotorsaksanalys
• Felmått och trendanalys

Modul 6: Testledning och riskbaserad testning

• Testplanering och uppskattningsmetoder
• Identifiering, bedömning och avhjälpande av risker
• Övervakning, kontroll och rapportering av tester
• Att definiera kriterier för testslutförande och avslutningsvillkor
• ISTQB-överensstämmande teststrategi- och testpolicy-dokument

Modul 7: Testverktyg och automatiseringsgrundprinciper

• Klassificering av testverktyg (ISTQB-verktygskategorier)
• Fördelar och risker med testautomatisering
• Att välja verktyg: open-source jämfört med kommersiella lösningar
• Introduktion till Selenium, Playwright och Cypress
• Bygga ett grundläggande automatiserat testsamling

Modul 8: Introduktion till AI inom kvalitetssäkring

• AI- och maskininlärningskoncept för testare
• Taxonomi: AI för testning kontra testning av AI-system
• Nuvarande AI-testlandsbygden: möjligheter och begränsningar
• Kvalitetskaraktäristika för AI-baserade system
• Översikt över ISTQB CT-AI-syllabus och dess relevans

Modul 9: AI-stödd testfallsgenerering

• Användning av LLMs (ChatGPT, Claude, Copilot) för att utforma testfall
• Metoder för prompt-design för att generera testscenarier
• Att omvandla användarberättelser och acceptanskriterier till testfall
• Granskning och validering av AI-genererade testfall
• Plattformar: Testim, Mabl och AI-infödda verktyg för testgenerering

Modul 10: AI-stödd testautomatisering

• Självläkande testautomatisering med Katalon Studio AI
• AI-driven objektigenkänning och elementlokalisering
• Visuell regressions-testning med Applitools Eyes
• Selenium med AI-tillägg för robust automatisering
• Att minska underhållsoverhead med intelligenta lokaliseringspekare

Modul 11: AI för felprognos och analys

• Prediktiv testval med Launchable och Sealights
• Felgruppering och anomalidetektering med ReportPortal
• AI-stödd rotorsaksanalys
• Kvalitetsriskbedömning och analys av testluckor
• Användning av historisk feldata för att prioritera testning

Modul 12: Utvärdering av AI-verktyg och CI/CD-integration

• Kriterier för att utvärdera AI-testverktyg
• ROI-analys och implementationsstrategi
• Att integrera AI-testverktyg i Jenkins, GitHub Actions och GitLab CI
• Utformning av pipeliner: när och var AI-drivna tester ska köras
• Mätning av AI-testeffektivitet med mått

Modul 13: Etiska aspekter vid AI-driven testning

• Fördomar och rättvisa i AI-genererade testdata
• Integritetsfrågor vid användning av molnbaserade AI-verktyg
• Transparens och förklarbarhet av AI-testbeslut
• Hänsynstagande till styrning och efterlevnad
• Ansvariga AI-praxis för QA-team

Modul 14: Förberedelse för ISTQB CTFL-examen

• CTFL v4.0-examens struktur, duration och betygssättning
• Frågetyper och svarsstrategier
• Tämning av ämnesvikt över hela CTFL-syllabusens kapitel
• Övningsprov med exempel på ISTQB-stilade frågor
• Studievägledning och rekommenderade resurser

Modul 15: Slutprojekt: Helhetsarbetsflöde för AI-förbättrad testning

• Design av testfall från ett exempel på kravdokument
• Användning av AI för att generera och förbättra testscenarier
• Automatisering av utvalda tester med självläkande verktyg
• Rapportering av fel och körning av AI-stödd rotorsaksanalys
• Efterdyning: Integration av AI i daglig QA-praxis