Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Moduł 1: Wprowadzenie do AI dla QA
- Co to jest sztuczna inteligencja?
- Uczenie maszynowe vs głębokie uczenie vs systemy oparte na regułach
- Ewolucja testowania oprogramowania z AI
- Kluczowe korzyści i wyzwania z użyciem AI w QA
Moduł 2: Podstawy danych i ML dla testerów
- Zrozumienie danych strukturyzowanych vs niestrukturyzowanych
- Cechy, etykiety i zbiory treningowe
- Uczenie nadzorowane i niezakłócone
- Wprowadzenie do ewaluacji modeli (dokładność, precyzja, przywołanie itp.)
- Realne zbiory danych QA
Moduł 3: Zastosowania AI w QA
- Generowanie przypadków testowych za pomocą AI
- Przewidywanie błędów przy użyciu ML
- Priorytetyzacja testów i testowanie oparte na ryzyku
- Wizualne testowanie za pomocą komputerowego widzenia
- Analiza logów i wykrywanie anomalii
- Przetwarzanie języka naturalnego (NLP) dla skryptów testowych
Moduł 4: Narzędzia AI dla QA
- Przegląd platform QA opartych na AI
- Użycie open-source bibliotek (np. Python, Scikit-learn, TensorFlow, Keras) do prototypów QA
- Wprowadzenie do LLM w automatyzacji testów
- Tworzenie prostego modelu AI do przewidywania błędu testowego
Moduł 5: Integracja AI w procesy QA
- Ocena gotowości do AI procesów QA
- Ciągła integracja i AI: jak wkomponować inteligencję do potoków CI/CD
- Projektowanie inteligentnych zestawów testowych
- Zarządzanie dryfem modeli AI i cyklami ponownego treningu
- Etyczne zagadnienia w testowaniu opartym na AI
Moduł 6: Laboratoria praktyczne i projekt końcowy
- Laboratorium 1: Automatyzacja generowania przypadków testowych za pomocą AI
- Laboratorium 2: Budowanie modelu przewidywania błędów przy użyciu historycznych danych testowych
- Laboratorium 3: Używanie LLM do przeglądu i optymalizacji skryptów testowych
- Projekt końcowy: Pełna implementacja potoku testowego opartego na AI
Wymagania
Uczestnicy powinni posiadać:
- 2+ lat doświadczenia w testowaniu oprogramowania/rolach QA
- Znajomość narzędzi do automatyzacji testów (np. Selenium, JUnit, Cypress)
- Podstawową znajomość programowania (lepiej w Pythonie lub JavaScript)
- Doświadczenie z systemami kontroli wersji i narzędziami CI/CD (np. Git, Jenkins)
- Nie wymagane jest wcześniejsze doświadczenie w AI/ML, choć ciekawość i chęć eksperymentowania są niezbędne
21 godzin
Opinie uczestników (5)
temat, sposób przekazywania wiedzy
VIOLETTA RYBOWSKA
Szkolenie - Test Automation with Selenium
Bardzo dokładnie tłumaczone każde zagadnienie
Patrycja - Alior Bank SA
Szkolenie - Selenium WebDriver in C#
kontakt ze słuchaczami
Piotr Stachel
Szkolenie - ISTQB® Certyfikowany Tester - poziom podstawowy (CTFL - szkolenie akredytowane)
Ilość praktycznych ćwiczeń.
Jakub Wasikowski - riskmethods sp. z o.o
Szkolenie - API Testing with Postman
Przetłumaczone przez sztuczną inteligencję
Tematyka dobrze rozłożona w czasie.