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 (1)
Najcenniejszą lekcją było nauczenie się, jak skutecznie wykorzystywać sztuczną inteligencję do usprawniania działań testowych, szczególnie poprzez lepsze projektowanie promptów, agentów AI, RAG oraz wspomaganą przez AI analizę testów.
Tallada Vijayakumar - Advantest Europe GmbH
Szkolenie - AI Enablement Training Program for Software QA Engineers
Przetłumaczone przez sztuczną inteligencję