Struttura del corso
Modulo 1: Introduzione all'IA per QA
- Cos'è l'Intelligenza Artificiale?
- Apprendimento automatico vs apprendimento profondo vs sistemi basati su regole
- L'evoluzione del testing software con l'IA
- Principali benefici e sfide dell'IA in QA
Modulo 2: Fondamenti di dati e ML per tester
- Comprensione dei dati strutturati vs non strutturati
- Caratteristiche, etichette e set di dati di training
- Apprendimento supervisionato e non supervisionato
- Introduzione alla valutazione dei modelli (accuratezza, precisione, richiamo, ecc.)
- Set di dati QA reali
Modulo 3: Caso d'uso dell'IA in QA
- Generazione di casi di test basata sull'IA
- Previsione degli errori utilizzando ML
- Priorizzazione dei test e testing basato sul rischio
- Testing visivo con visione artificiale
- Analisi dei log e rilevamento delle anomalie
- Elaborazione del linguaggio naturale (NLP) per script di test
Modulo 4: Strumenti AI per QA
- Panoramica delle piattaforme QA abilitate all'IA
- Utilizzo di librerie open-source (ad esempio, Python, Scikit-learn, TensorFlow, Keras) per prototipi QA
- Introduzione ai LLM nell'automazione dei test
- Creazione di un semplice modello AI per prevedere i fallimenti dei test
Modulo 5: Integrazione dell'IA nei flussi di lavoro QA
- Valutazione della prontezza all'IA dei processi QA
- Integrazione continua e IA: come incorporare l'intelligenza nei pipeline CI/CD
- Progettazione di suite di test intelligenti
- Gestione del drift dei modelli AI e cicli di riacquisto
- Considerazioni etiche nel testing basato sull'IA
Modulo 6: Laboratori pratici e progetto capstone
- Lab 1: Automazione della generazione dei casi di test utilizzando l'IA
- Lab 2: Creazione di un modello di previsione degli errori utilizzando dati di test storici
- Lab 3: Utilizzo di un LLM per revisionare e ottimizzare script di test
- Capstone: Implementazione end-to-end di una pipeline di testing basata sull'IA
Requisiti
Si richiede che i partecipanti abbiano:
- 2+ anni di esperienza nei ruoli di testing software/QA
- Familiarità con strumenti di automazione dei test (ad esempio, Selenium, JUnit, Cypress)
- Conoscenze di base di programmazione (preferibilmente in Python o JavaScript)
- Esperienza con sistemi di controllo delle versioni e strumenti CI/CD (ad esempio, Git, Jenkins)
- Non è richiesta esperienza precedente in AI/ML, anche se la curiosità e la volontà di sperimentare sono essenziali
Recensioni (3)
La pazienza e il ritmo del relatore.
Jace - Vodacom
Corso - Test Automation with Selenium
Traduzione automatica
Gli argomenti principali possono essere discussi e concordati con l'inistruttore in anticipo. Atmosfera rilassata e piacevole durante i giorni del seminario.
Lorenz - Continentale Lebensversicherung AG
Corso - Advanced Selenium
Traduzione automatica
Ho acquisito nuove conoscenze e ne sono piuttosto sicuro. Non c'è nulla di oscuro.
Barbara - Titian Software Poland Sp. z o.o.
Corso - Selenium WebDriver in C#
Traduzione automatica
