Struttura del corso
Modulo 1: Introduzione all’IA applicata alla Qualità Software
- Cos’è l’Intelligenza Artificiale?
- Machine Learning, Deep Learning e sistemi basati su regole: differenze principali
- L’evoluzione del testing software grazie all’IA
- Vantaggi e sfide legate all’uso dell’IA nei processi di qualità
Modulo 2: Nozioni di base sui dati e sul Machine Learning per i tester
- Differenze tra dati strutturati e non strutturati
- Caratteristiche, etichette e set di addestramento per i modelli
- Apprendimento supervisionato e non supervisionato
- Introduzione alla valutazione dei modelli (accuratezza, precisione, richiamo, ecc.)
- Esempi di set di dati QA reali
Modulo 3: Casistiche d’uso dell’IA in ambito Qualità
- Generazione automatica di casi di test tramite l’IA
- Previzione dei difetti attraverso modelli ML
- Priorizzazione dei test e implementazione di un approccio basato sui rischi
- Test visivi sfruttando la visione artificiale
- Analisi dei log e rilevamento anomalie tramite AI
- Elaborazione del linguaggio naturale per lo sviluppo degli script di test
Modulo 4: Strumenti AI per il Testing
- Presentazione delle piattaforme QA supportate dall’IA
- Utilizzo di librerie open source (ad esempio Python, Scikit-learn, TensorFlow, Keras) per creare prototipi QA basati sull’intelligenza artificiale
- Introduzione ai Large Language Models nell’ambito dell’automatizzazione dei test
- Sviluppo di un modello semplice per prevedere i fallimenti nei test
Modulo 5: Integrazione dell’IA nei flussi di lavoro QA
- Valutazione della preparazione dei processi QA all’adozione dell’IA
- Integrazione continua e IA: come incorporare funzionalità intelligenti nei pipeline CI/CD
- Progettazione di suite di test dinamiche e basate sull’intelligenza artificiale
- Gestione del “drift” dei modelli AI e cicli di aggiornamento
- Considerazioni etiche nell’utilizzo dell’IA per il testing
Modulo 6: Esercitazioni pratiche e progetto finale
- Laboratorio 1: Automatizzazione della generazione di casi di test con l’AI
- Laboratorio 2: Costruzione di un modello predittivo per i difetti basato su dati storici
- Laboratorio 3: Utilizzo dei Large Language Models per analizzare e ottimizzare gli script di test
- Progetto finale: Realizzazione completa di un flusso di lavoro testing supportato dall’IA
Requisiti
Si richiede ai partecipanti di possedere:
- Almeno 2 anni di esperienza in ruoli legati al testing o alla qualità del software
- Conoscenza di base degli strumenti per l’automatizzazione dei test (ad esempio Selenium, JUnit, Cypress)
- Conoscenze di programmazione di base (preferibilmente in Python o JavaScript)
- Esperienza nell’utilizzo del controllo versioni e degli strumenti CI/CD (ad esempio Git, Jenkins)
- Non è necessaria esperienza precedente in AI o Machine Learning; è tuttavia indispensabile curiosità e disponibilità all’esperimentazione
Recensioni (3)
Le possibilità di Postman e del suo utilizzo futuro.
Gordana Gacic - SEE Digital D.O.O.
Corso - API Testing with Postman
Traduzione automatica
esercitazioni pratiche, più facile da ricordare
ashley bolen - Insurance Corporation of British Columbia
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
