Struttura del corso
Introduzione all'IA nel Testing Software
- Panoramica sulle capacità dell'IA in testing e QA
- Tipi di strumenti AI utilizzati nei moderni workflow di test
- Benefici e rischi dell'ingegneria della qualità basata sull'IA
LLMs per la Generazione dei Casi di Test
- Ingegneria del prompt per generare test unitari e funzionali
- Creazione di template di test parametrizzati e basati su dati
- Conversione delle user stories e dei requisiti in script di test
IA nel Testing Esplorativo e nei Casi Limite
- Identificazione di rami o condizioni non testati utilizzando l'IA
- Simulazione di scenari di utilizzo rari o anomali
- Strategie di generazione di test basate sul rischio
Testing UI e di Regressione Automatizzato
- Utilizzo di strumenti AI come Testim o mabl per la creazione di test UI
- Manutenzione di test UI stabili attraverso selettori self-healing
- Analisi dell'impatto della regressione basata sull'IA dopo le modifiche del codice
Analisi delle Fallite e Ottimizzazione dei Test
- Raggruppamento delle fallite dei test utilizzando modelli LLM o ML
- Riduzione degli esecuzioni di test flaky e della stanchezza agli allarmi
- Prioritizzazione dell'esecuzione dei test basata su insight storici
Integrazione nel Pipeline CI/CD
- Inserimento della generazione di test AI in Jenkins, GitHub Actions o GitLab CI
- Validazione della qualità dei test durante le richieste pull
- Rollback automatizzato e smart test gating nei pipeline
Tendenze Future e Uso Responsabile dell'IA in QA
- Valutazione della precisione e sicurezza dei test generati dall'IA
- Governance e tracciabilità per i processi di testing potenziati dall'IA
- Tendenze nelle piattaforme AI-QA e nell'osservabilità intelligente
Riepilogo e Passi Successivi
Requisiti
- Esperienza in testing software, pianificazione dei test o automazione QA
- Familiarità con framework di testing come JUnit, PyTest o Selenium
- Conoscenza base delle pipeline CI/CD e degli ambienti DevOps
Pubblico
- Ingegneri QA
- Ingegneri di sviluppo software in test (SDETs)
- Tester software che lavorano in contesti agile o DevOps
Recensioni (2)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica
Istruttore capace di regolare il livello del corso durante la formazione per adattarlo al nostro livello di comprensione dell'argomento, in modo da acquisire una conoscenza più utile che ci aiuterà ulteriormente a sfruttare gli strumenti nel nostro lavoro quotidiano.
Tatt Juen - ViTrox Technologies Sdn Bhd
Corso - Intermediate GitHub Copilot
Traduzione automatica
