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
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (5)

Corsi in Arrivo

Categorie relative