Contattataci
 Durata 21 ore

Struttura del corso

Introduzione all'AI per QA

  • Cos'è l'Intelligenza Artificiale?
  • Machine Learning vs Deep Learning vs Sistemi basati su regole
  • L'evoluzione del test del software con l'AI
  • Principali vantaggi e sfide dell'AI nel QA

Fondamenti di dati e ML per i tester

  • Comprendere i dati strutturati vs non strutturati
  • Caratteristiche, etichette e set di dati di addestramento
  • Apprendimento supervisionato e non supervisionato
  • Introduzione alla valutazione dei modelli (accuratezza, precisione, recall, ecc.)
  • Set di dati QA del mondo reale

Casi d'uso dell'AI nel QA

  • Generazione di test case alimentata da AI
  • Previsione dei difetti utilizzando il ML
  • Prioritizzazione dei test e risk-based testing
  • Test visivi con computer vision
  • Analisi dei log e rilevamento delle anomalie
  • Processing del linguaggio naturale (NLP) per script di test

Strumenti AI per QA

  • Panoramica delle piattaforme QA abilitate da AI
  • Utilizzo di librerie open source (es. Python, Scikit-learn, TensorFlow, Keras) per prototipi QA
  • Introduzione agli LLM nell'automazione dei test
  • Creazione di un semplice modello AI per prevedere i fallimenti dei test

Integrazione dell'AI nei flussi di lavoro QA

  • Valutazione della prontezza AI dei processi QA
  • Integrazione continua e AI: come incorporare l'intelligenza nelle pipeline CI/CD
  • Progettazione di suite di test intelligenti
  • Gestione del drift dei modelli AI e dei cicli di riaddestramento
  • Considerazioni etiche nel test alimentato da AI

Lab pratici e progetto finale

  • Lab 1: Automatizzare la generazione di test case utilizzando l'AI
  • Lab 2: Creare un modello di previsione dei difetti utilizzando dati storici di test
  • Lab 3: Utilizzare un LLM per revisionare e ottimizzare gli script di test
  • Progetto finale: Implementazione end-to-end di una pipeline di test alimentata da AI

Requisiti

I partecipanti sono tenuti a possedere:

  • Oltre 2 anni di esperienza in ruoli di test del software/QA
  • Familiarità con strumenti di automazione dei test (es. Selenium, JUnit, Cypress)
  • Nozioni di base di programmazione (preferibilmente in Python o JavaScript)
  • Esperienza con strumenti di versionamento e CI/CD (es. Git, Jenkins)
  • Non è richiesta esperienza pregressa in AI/ML, ma sono fondamentali la curiosità e la volontà di sperimentare

Numero di Partecipanti


Prezzo per partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative