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.
Czas trwania 21 godzin
Plan Szkolenia
Wprowadzenie do AI w QA
- Czym jest sztuczna inteligencja?\n
- Uczenie maszynowe vs uczenie głębokie vs systemy oparte na regułach\n
- Ewolucja testowania oprogramowania z wykorzystaniem AI\n
- Korzyści i wyzwania związane z AI w QA\n
Podstawy danych i ML dla testerów
- Rozumienie danych strukturyzowanych i niestrukturyzowanych\n
- Cechy, etykiety i zestawy danych do treningu\n
- Uczenie nadzorowane i nienadzorowane\n
- Wprowadzenie do oceny modeli (dokładność, precyzja, wrażliwość itp.)\n
- Zestawy danych z rzeczywistego środowiska QA\n
Zastosowania AI w QA
- Generowanie przypadków testowych za pomocą AI\n
- Przewidywanie defektów z użyciem ML\n
- Priorytetyzacja testów i testowanie oparte na ryzyku\n
- Testowanie wizualne z wykorzystaniem przetwarzania obrazów\n
- Analiza logów i wykrywanie anomalii\n
- Przetwarzanie języka naturalnego (NLP) do skryptów testowych\n
Narzędzia AI dla QA
- Przegląd platform do QA wspieranych przez AI\n
- Wykorzystanie bibliotek open source (np. Python, Scikit-learn, TensorFlow, Keras) do prototypów QA\n
- Wprowadzenie do LLM w automatyzacji testów\n
- Budowanie prostego modelu AI do przewidywania niepowodzeń testów\n
Integracja AI z pracami QA
- Ocena gotowości procesów QA do wdrożenia AI\n
- Integracja ciągła i AI: jak wbudować inteligencję w rury CI/CD\n
- Projektowanie inteligentnych zestawów testów\n
- Zarządzanie dryfem modeli AI i cyklami ponownego trenowania\n
- Kwestie etyczne w testowaniu opartym na AI\n
Laboratoria praktyczne i projekt dyplomowy
- Laboratorium 1: Automatyzacja generowania przypadków testowych za pomocą AI\n
- Laboratorium 2: Budowanie modelu do przewidywania defektów na podstawie danych historycznych\n
- Laboratorium 3: Wykorzystanie LLM do przeglądania i optymalizacji skryptów testowych\n
- Projekt dyplomowy: End-to-end wdrożenie rury testowej opartej na AI\n
Wymagania
Uczestnicy powinni posiadać:\n
- Minimum 2 lata doświadczenia na stanowiskach związanych z testowaniem oprogramowania/QA\n
- Znajomość narzędzi do automatyzacji testów (np. Selenium, JUnit, Cypress)\n
- Podstawową wiedzę z zakresu programowania (preferalnie w Pythonie lub JavaScript)\n
- Doświadczenie w pracy z narzędziami do kontroli wersji i CI/CD (np. Git, Jenkins)\n
- Nie jest wymagane wcześniejsze doświadczenie w AI/ML, jednak ciekawość i chęć do eksperymentowania są niezbędne.\n
Opinie uczestników (4)
Fantastyczne szkolenie. Wiedza przyswojona w przyjemny sposób poprzez przekazanie jej bardzo profesjonalnie.
Marta Iwanus
Szkolenie - ISTQB® Certified Tester - Foundation Level (CTFL - accredited training with exam)
Możliwości Postmana i jego przyszłe zastosowania.
Gordana Gacic - SEE Digital D.O.O.
Szkolenie - API Testing with Postman
Przetłumaczone przez sztuczną inteligencję
Dobre przygotowanie merytoryczne trenera. Dodatkowo, trener angażował uczestników nawet w części wykładowej, zachęcał do "brainstormingu", dzielenia się swoimi spostrzeżeniami, pomysłami.
Krzysztof Wojciechowski - HUUUGE GAMES SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Szkolenie - Test Automation with Selenium and Python
ćwiczenia praktyczne, łatwiej przyswoić informacje
ashley bolen - Insurance Corporation of British Columbia
Szkolenie - Test Automation with Selenium
Przetłumaczone przez sztuczną inteligencję