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 14 godzin
Plan Szkolenia
Podstawy inżynierii testów opartej na sztucznej inteligencji
- Współczesne wyzwania testowania i rola sztucznej inteligencji
- Zasady i terminologia testowania generatywnego
- Modele uczenia maszynowego stosowane w automatycznym tworzeniu testów
Przekształcanie wymagań i kodu w testy generowane przez sztuczną inteligencję
- Wydobywanie intencji z wymagań i historyjek użytkownika
- Wykorzystywanie modeli językowych do generowania ustrukturyzowanych przypadków testowych
- Zapewnianie determinizmu i powtarzalności testów generowanych przez sztuczną inteligencję
Automatyczne generowanie testów jednostkowych
- Tworzenie testów jednostkowych na podstawie kontekstu kodu źródłowego
- Generowanie permutacji danych wejściowych i przypadków brzegowych
- Integrowanie wygenerowanych testów z popularnymi frameworkami do testów jednostkowych
Tworzenie testów integracyjnych i end-to-end wspomagane sztuczną inteligencją
- Odwzorowywanie zachowania systemu na przepływy testowe
- Tworzenie ścieżek integracyjnych przy użyciu analizy opartej na sztucznej inteligencji
- Równoważenie nadzoru ludzkiego z automatycznym generowaniem
Przewidywanie pokrycia i modelowanie ryzyka
- Wykorzystywanie modeli uczenia maszynowego do identyfikowania niedostatecznie przetestowanych fragmentów kodu
- Przewidywanie obszarów wysokiego ryzyka na podstawie historycznych awarii
- Priorytetyzowanie testów z wykorzystaniem przewidywań dotyczących pokrycia i ryzyka
Stosowanie inteligencji testowej opartej na sztucznej inteligencji w CI/CD
- Osadzanie etapów analizy sztucznej inteligencji w potokach
- Wyzwalanie dynamicznego wyboru testów na podstawie ocen ryzyka
- Utrzymywanie pętli informacji zwrotnej w celu ciągłego doskonalenia przewidywań
Walidacja, zarządzanie i zapewnienie jakości
- Ocena niezawodności testów generowanych przez sztuczną inteligencję
- Zarządzanie stronniczością i unikanie fałszywych alarmów
- Ustanawianie zabezpieczeń na potrzeby zastosowań produkcyjnych
Skalowanie generowania testów opartego na sztucznej inteligencji w zespołach
- Strategie wdrażania dla organizacji QA i DevOps
- Standaryzacja przepływów pracy i dokumentacji
- Wspieranie ciągłego doskonalenia za pomocą metryk i wniosków
Podsumowanie i kolejne kroki
Wymagania
- Znajomość metodyk testowania oprogramowania
- Doświadczenie z frameworkami do automatyzacji testów
- Zaznajomienie z koncepcjami programistycznymi i potokami CI/CD
Grupa docelowa
- Inżynierowie QA
- SDET
- Zespoły DevOps odpowiedzialne za testowanie
