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 (5)
Buona sintonia, Łukasz ha dedicato del tempo alle domande di tutti e ha saputo aiutare chiunque avesse avuto dei problemi
Kelly Morris - Titian Software Poland Sp. z o.o.
Corso - Selenium WebDriver in C#
Traduzione automatica
Quantità di esercizi pratici.
Jakub Wasikowski - riskmethods sp. z o.o
Corso - API Testing with Postman
Traduzione automatica
Il formatore ha spiegato ogni funzionalità in modo approfondito.
Argean Quilaquil - DXC
Corso - TestComplete
Traduzione automatica
L'inistruttore è simpatico. Le sue spiegazioni sono chiare e interessanti. Cerca di rendere le lezioni il più coinvolgenti possibile. Ho molto apprezzato la lezione e ho acquisito molte conoscenze. Grazie mille. La tecnica più utile che ho imparato è quella di localizzare gli elementi per diversi componenti web, come caselle di testo, pulsanti radio e pulsanti. A volte, l'ID dell'elemento non viene catturato correttamente. Abbiamo appreso modi diversi per localizzare gli elementi utilizzando selettori CSS, XPath, nome e ID. Mi sono piaciute le spiegazioni. Grazie
Bee Chin Chuah - I-Access Solutions Pte Ltd
Corso - Advanced Selenium with C#
Traduzione automatica
The One on One session is amazing!! And thankful that the trainer's skills are Excellent and his willingness to share them to the fullness. I am very satisfied. . with the training and I wouldn't have wish to have done it anywhere else. I would only wish that I had One day longer for the training.
Isaac Nyembo - Bechtle Clouds GmbH
Corso - Advanced Selenium
Traduzione automatica