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
Podstawy zapewnienia jakości i testowania
- Definiowanie jakości, zapewnienia jakości i testowania
- Siedem zasad testowania (ISTQB CTFL v4.0)
- Testowanie a debugowanie a kontrola jakości
- Psychologia testowania
- Role i obowiązki w zespole QA
Cykl życia oprogramowania a testowanie
- Fazy cyklu życia testowania oprogramowania (STLC)
- Podejścia do testowania w Waterfall, Agile, DevOps i CI/CD
- Poziomy testów: jednostkowe, integracyjne, systemowe, akceptacyjne
- Strategie shift-left i shift-right w testowaniu
- Śledzenie powiązań między wymaganiami a przypadkami testowymi
Techniki testowania statycznego
- Przeglądy, przejścia i inspekcje
- Analiza statyczna z wykorzystaniem narzędzi automatycznych
- Przeglądy oparte na listach kontrolnych i rolach
- Formalne i nieformalne techniki przeglądów
- Integracja testowania statycznego z procesami Agile
Techniki testowania
- Techniki czarnoskrzynkowe: podział na klasy równoważności, analiza wartości brzegowych
- Testowanie tablic decyzyjnych i testowanie przejść stanów
- Testowanie przypadków użycia i testowanie eksploracyjne
- Techniki białoskrzynkowe: pokrycie instrukcji i decyzji
- Techniki oparte na doświadczeniu i zgadywanie błędów
Zarządzanie defektami
- Cykl życia defektu: wykrywanie, zgłaszanie, triage, rozwiązywanie, zamykanie
- Pisanie skutecznych raportów o defektach w JIRA
- Klasyfikacja wagi i priorytetu defektów
- Techniki analizy przyczyn źródłowych
- Metryki defektów i analiza trendów
Zarządzanie testami i testowanie oparte na ryzyku
- Metody planowania i szacowania testów
- Identyfikacja, ocena i mitygacja ryzyka
- Monitorowanie, kontrola i raportowanie testów
- Definiowanie kryteriów zakończenia testów i warunków wyjścia
- Dokumenty strategii i polityki testowej zgodne z ISTQB
Narzędzia testowe i podstawy automatyzacji
- Klasyfikacja narzędzi testowych (kategorie narzędzi ISTQB)
- Korzyści i ryzyka automatyzacji testów
- Wybór narzędzi: rozwiązania open-source a komercyjne
- Wprowadzenie do Selenium, Playwright i Cypress
- Budowanie podstawowego zautomatyzowanego zestawu testów
Wprowadzenie do AI w zapewnieniu jakości
- Koncepcje AI i uczenia maszynowego dla testerów
- Taksonomia: AI do testowania a testowanie systemów AI
- Aktualny krajobraz testowania AI: możliwości i ograniczenia
- Charakterystyki jakościowe systemów opartych na AI
- Przegląd sylabusa ISTQB CT-AI i jego znaczenie
Generowanie przypadków testowych wspomagane przez AI
- Wykorzystanie modeli LLM (ChatGPT, Claude, Copilot) do tworzenia przypadków testowych
- Techniki inżynierii promptów do generowania scenariuszy testowych
- Przekształcanie historyjek użytkownika i kryteriów akceptacji w przypadki testowe
- Przeglądanie i walidacja przypadków testowych generowanych przez AI
- Platformy: Testim, Mabl i narzędzia do generowania testów natywne dla AI
Automatyzacja testów wspomagana przez AI
- Samonaprawiająca się automatyzacja testów z Katalon Studio AI
- Rozpoznawanie obiektów i lokalizacja elementów sterowane przez AI
- Testowanie regresji wizualnej z Applitools Eyes
- Selenium z wtyczkami AI do odpornej automatyzacji
- Redukcja kosztów utrzymania dzięki inteligentnym lokatorom
AI do przewidywania i analizy defektów
- Predykcyjny wybór testów z Launchable i Sealights
- Grupowanie awarii i wykrywanie anomalii z ReportPortal
- Analiza przyczyn źródłowych wspomagana przez AI
- Ocena ryzyka jakościowego i analityka luk testowych
- Wykorzystanie historycznych danych o defektach do priorytetyzacji testów
Ocena narzędzi AI i integracja z CI/CD
- Kryteria oceny narzędzi testowych AI
- Analiza ROI i strategia wdrożenia
- Integracja narzędzi testowych AI z Jenkins, GitHub Actions, GitLab CI
- Projektowanie potoku: kiedy i gdzie uruchamiać testy oparte na AI
- Mierzenie skuteczności testowania AI za pomocą metryk
Zagadnienia etyczne w testowaniu sterowanym przez AI
- Stronniczość i sprawiedliwość w danych testowych generowanych przez AI
- Obawy dotyczące prywatności przy korzystaniu z chmurowych narzędzi AI
- Przejrzystość i wyjaśnialność decyzji testowych podejmowanych przez AI
- Zagadnienia ładu i zgodności
- Odpowiedzialne praktyki AI dla zespołów QA
Przygotowanie do egzaminu ISTQB CTFL
- Struktura, czas trwania i punktacja egzaminu CTFL v4.0
- Typy pytań i strategie udzielania odpowiedzi
- Rozkład wag tematów w rozdziałach sylabusa CTFL
- Egzamin próbny z przykładowymi pytaniami w stylu ISTQB
- Plan nauki i zalecane zasoby
Projekt końcowy: kompleksowy proces testowania wzbogacony o AI
- Projektowanie przypadków testowych na podstawie przykładowego dokumentu wymagań
- Wykorzystanie AI do generowania i udoskonalania scenariuszy testowych
- Automatyzacja wybranych testów za pomocą narzędzi samonaprawiających się
- Zgłaszanie defektów i przeprowadzanie analizy przyczyn źródłowych wspomaganej przez AI
- Retrospektywa: integracja AI z codzienną praktyką QA
Wymagania
- Podstawowa znajomość koncepcji i terminologii związanej z wytwarzaniem oprogramowania
- Podstawowa znajomość testowania oprogramowania
- Brak wymogu wcześniejszej certyfikacji ISTQB ani formalnego szkolenia QA
Grupa docelowa
- Specjaliści QA i testerzy oprogramowania przygotowujący się do certyfikacji ISTQB Foundation Level
- Inżynierowie testów chcący zintegrować narzędzia AI ze swoimi procesami testowania
- Zespoły przechodzące od testowania ad-hoc do ustrukturyzowanych ram QA
Opinie uczestników (1)
Fantastyczne szkolenie. Wiedza przyswojona w przyjemny sposób poprzez przekazanie jej bardzo profesjonalnie.
