Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 14 ore
Struttura del corso
Introduzione all'IA nei test software
- Panoramica delle capacità dell'IA nei test e nella QA
- Tipi di strumenti di IA utilizzati nei flussi di lavoro di test moderni
- Vantaggi e rischi dell'ingegneria della qualità guidata dall'IA
LLM per la generazione di casi di test
- Prompt engineering per la generazione di test unitari e funzionali
- Creazione di template di test parametrizzati e data-driven
- Conversione di user story e requisiti in script di test
IA nei test esplorativi e nei casi limite
- Individuazione 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
Test UI e di regressione automatizzati
- Utilizzo di strumenti di IA come Testim o mabl per la creazione di test UI
- Mantenimento di test UI stabili attraverso selettori self-healing
- Analisi dell'impatto della regressione basata sull'IA dopo modifiche al codice
Analisi dei fallimenti e ottimizzazione dei test
- Raggruppamento dei fallimenti dei test utilizzando modelli LLM o ML
- Riduzione delle esecuzioni di test instabili (flaky) e della fatica da notifiche
- Prioritizzazione dell'esecuzione dei test basata su insight storici
Integrazione nelle pipeline CI/CD
- Incorporamento della generazione di test basata sull'IA in Jenkins, GitHub Actions o GitLab CI
- Validazione della qualità dei test durante le pull request
- Rollback dell'automazione e smart test gating nelle pipeline
Tendenze future e uso responsabile dell'IA nella QA
- Valutazione dell'accuratezza e della sicurezza dei test generati dall'IA
- Governance e audit trail per processi di test potenziati dall'IA
- Tendenze nelle piattaforme IA-QA e osservaibilità intelligente
Riepilogo e prossimi passi
Requisiti
- Esperienza nei test software, nella pianificazione dei test o nell'automazione QA
- Familiarità con framework di test come JUnit, PyTest o Selenium
- Conoscenza di base delle pipeline CI/CD e degli ambienti DevOps
Pubblico target
- Ingegneri QA
- Software Development Engineer in Test (SDETs)
- Tester software che lavorano in contesti agile o DevOps
Recensioni (1)
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