Corso di formazione Fondamenti di QA e Testing Moderno con AI (Preparazione ISTQB Foundation)

Modulo 1: Fondamenti dell'Assicurazione della Qualità e del Testing

• Definizione di qualità, assicurazione della qualità e testing
• I sette principi del testing (ISTQB CTFL v4.0)
• Testing vs debugging vs controllo di qualità
• La psicologia del testing
• Ruoli e responsabilità in un team QA

Modulo 2: Ciclo di Vita dello Sviluppo Software e Testing

• Fasi del ciclo di vita del testing del software (STLC)
• Approcci al testing Waterfall, Agile, DevOps e CI/CD
• Livelli di test: unit, integration, system, acceptance
• Strategie shift-left e shift-right nel testing
• Tracciabilità tra requisiti e casi di test

Modulo 3: Tecniche di Testing Statico

• Revisioni, walkthrough e ispezioni
• Analisi statica utilizzando strumenti automatizzati
• Revisione basata su checklist e per ruolo
• Tecniche di revisione formali e informali
• Integrazione del testing statico nei flussi di lavoro Agile

Modulo 4: Tecniche di Test

• Tecniche black-box: partizionamento dell'equivalenza, analisi dei valori limite
• Testing a tabelle di decisione e testing per transizione di stato
• Testing per casi d'uso e testing esplorativo
• Tecniche white-box: copertura delle istruzioni e delle decisioni
• Tecniche basate sull'esperienza e ipotesi degli errori

Modulo 5: Gestione dei Difetti

• Ciclo di vita del difetto: rilevamento, segnalazione, triage, risoluzione, chiusura
• Redazione di report efficaci sui difetti con JIRA
• Classificazione della severità e priorità dei difetti
• Tecniche di analisi delle cause radice
• Metriche dei difetti e analisi delle tendenze

Modulo 6: Gestione del Test e Testing Basato sul Rischio

• Pianificazione del test e metodi di stima
• Identificazione, valutazione e mitigazione dei rischi
• Monitoraggio, controllo e reporting del testing
• Definizione dei criteri di completamento del test e condizioni di uscita
• Documenti di strategia e politica di test allineati a ISTQB

Modulo 7: Strumenti di Test e Fondamenti dell'Automazione

• Classificazione degli strumenti di test (categorie ISTQB)
• Vantaggi e rischi dell'automazione del testing
• Selezione degli strumenti: soluzioni open-source vs commerciali
• Introduzione a Selenium, Playwright e Cypress
• Creazione di una suite di test automatizzati base

Modulo 8: Introduzione all'AI nell'Assicurazione della Qualità

• Concetti di AI e machine learning per i tester
• Tassonomia: AI per il testing vs testing di sistemi AI
• Scenario attuale dell'AI nel testing: opportunità e limitazioni
• Caratteristiche di qualità per i sistemi basati su AI
• Syllabus ISTQB CT-AI: panoramica e rilevanza

Modulo 9: Generazione Assistita da AI dei Casi di Test

• Utilizzo di LLM (ChatGPT, Claude, Copilot) per la stesura dei casi di test
• Tecniche di prompt engineering per generare scenari di test
• Conversione delle user story e dei criteri di accettazione in casi di test
• Revisione e validazione dei casi di test generati dall'AI
• Piattaforme: Testim, Mabl e strumenti nativi per la generazione di test basati su AI

Modulo 10: Automazione del Test Assistita da AI

• Automazione del test auto-riparante con Katalon Studio AI
• Riconoscimento degli oggetti e localizzazione degli elementi guidati dall'AI
• Testing visivo di regressione con Applitools Eyes
• Selenium con plugin AI per un'automazione resiliente
• Riduzione del carico di manutenzione grazie a locator intelligenti

Modulo 11: AI per la Previsione e l'Analisi dei Difetti

• Selezione predittiva dei test con Launchable e Sealights
• Clustering dei fallimenti e rilevamento delle anomalie con ReportPortal
• Analisi assistita dell'AI delle cause radice
• Valutazione del rischio di qualità e analisi delle lacune nel testing
• Utilizzo dei dati storici sui difetti per prioritizzare il testing

Modulo 12: Valutazione degli Strumenti AI e Integrazione CI/CD

• Criteri per la valutazione degli strumenti di test basati sull'AI
• Analisi del ROI e strategia di adozione
• Integrazione degli strumenti di test AI in Jenkins, GitHub Actions e GitLab CI
• Progettazione della pipeline: quando e dove eseguire i test potenziati dall'AI
• Misurazione dell'efficacia del testing AI tramite metriche

Modulo 13: Considerazioni Etiche nel Testing Basato sull'AI

• Bias e correttezza nei dati di test generati dall'AI
• Questioni di privacy nell'uso di strumenti AI basati sul cloud
• Trasparenza ed esplicabilità delle decisioni di testing prese dall'AI
• Considerazioni sulla governance e sulla conformità
• Pratiche responsabili per l'AI nei team QA

Modulo 14: Preparazione all'Esame ISTQB CTFL

• Struttura, durata e punteggio dell'esame CTFL v4.0
• Tipo di domande e strategie di risposta
• Distribuzione del peso degli argomenti tra i capitoli del syllabus CTFL
• Esame di prova con domande di esempio in stile ISTQB
• Roadmap di studio e risorse raccomandate

Modulo 15: Capstone: Workflow di Testing End-to-End Potenziato dall'AI

• Progettazione dei casi di test da un documento di requisiti campione
• Utilizzo dell'AI per generare e raffinare gli scenari di test
• Automatizzazione dei test selezionati con strumenti auto-riparanti
• Segnalazione dei difetti e esecuzione dell'analisi delle cause radice assistita da AI
• Retrospectiva: integrazione dell'AI nella pratica quotidiana della QA