Plan Szkolenia
Moduł 1: Wprowadzenie do AI dla QA
- Co to jest Sztuczna Inteligencja?
- Uczenie maszynowe vs uczenie głębokie vs systemy oparte na regułach
- Ewolucja testowania oprogramowania z AI
- Kluczowe korzyści i wyzwania związane z AI w QA
Moduł 2: Podstawy danych i ML dla testerów
- Zrozumienie strukturyzowanych vs niestrukturyzowanych danych
- Cechy, etykiety i zestawy treningowe
- Uczenie nadzorowane i nienadzorowane
- Wprowadzenie do oceny modeli (dokładność, precyzja, przywołanie itp.)
- Zestawy danych QA w praktyce
Moduł 3: Przypadki zastosowania AI w QA
- Generowanie przypadków testowych opartych na AI
- Przewidywanie defektów przy użyciu ML
- Priorytetyzacja testów i testy ryzykozaniczne
- Testowanie wizualne z wykorzystaniem vision
- Analiza logów i wykrywanie anomalii
- Przetwarzanie języka naturalnego (NLP) dla skryptów testowych
Moduł 4: Narzędzia AI dla QA
- Przegląd platform QA opartych na AI
- Korzystanie z bibliotek open-source (np. Python, Scikit-learn, TensorFlow, Keras) do prototypów QA
- Wprowadzenie do LLM w automatyzacji testowej
- Budowanie prostego modelu AI do przewidywania błędów testowych
Moduł 5: Integracja AI w procesy QA
- Ocena gotowości do AI w procesach QA
- Ciągła integracja i AI: jak zintegrować inteligencję w potoki CI/CD
- Projektowanie inteligentnych zestawów testowych
- Zarządzanie odchyleniem modeli AI i cyklami ponownego treningu
- Etyczne aspekty w testowaniu opartym na AI
Moduł 6: Praktyczne laboratoria i projekt końcowy
- Laboratorium 1: Automatyzacja generowania przypadków testowych przy użyciu AI
- Laboratorium 2: Budowanie modelu przewidywania defektów na podstawie historycznych danych testowych
- Laboratorium 3: Użycie LLM do rewizji i optymalizacji skryptów testowych
- Projekt końcowy: Całościowa implementacja potoku testowego opartego na AI
Wymagania
Oczekuje się, że uczestnicy posiadają:
- Doświadczenie w testowaniu oprogramowania/rołach QA na poziomie 2+ lat
- Znajomość narzędzi do automatyzacji testów (np. Selenium, JUnit, Cypress)
- Podstawową wiedzę z programowania (preferowane języki Python lub JavaScript)
- Doświadczenie z kontrolą wersji i narzędziami CI/CD (np. Git, Jenkins)
- Nie wymagane jest wcześniejsze doświadczenie w AI/ML, choć ciekawość i chęć eksperymentowania są kluczowe
Opinie uczestników (5)
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 ćwiczeń praktycznych.
Jakub Wasikowski - riskmethods sp. z o.o
Szkolenie - API Testing with Postman
Przetłumaczone przez sztuczną inteligencję
Tematyka dobrze rozłożona w czasie.
Marek Bukowski - Nabywca Ergo Digital IT GMBH/ Beneficjent Ergo Digital IT GMBH Oddzial w Polsce
Szkolenie - Selenium with Jenkins and Docker
Trener dokładnie wyjaśnił każdą funkcję.
Argean Quilaquil - DXC
Szkolenie - TestComplete
Przetłumaczone przez sztuczną inteligencję