Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction à l’IA pour le QA

  • Qu’est-ce que l’Intelligence Artificielle ?
  • Apprentissage automatique vs Apprentissage profond vs Systèmes à base de règles
  • L’évolution des tests logiciels grâce à l’IA
  • Bénéfices clés et défis de l’IA dans le QA

Fondamentaux des données et de l’ML pour les testeurs

  • Compréhension des données structurées vs non structurées
  • Fonctionnalités, étiquettes et jeux de données d’entraînement
  • Apprentissage supervisé et non supervisé
  • Introduction à l’évaluation des modèles (précision, exactitude, rappel, etc.)
  • Jeux de données QA dans le monde réel

Cas d’usage de l’IA dans le QA

  • Génération de cas de test par l’IA
  • Prédiction des défauts à l’aide du ML
  • Préférence des tests et tests basés sur les risques
  • Tests visuels avec la vision par ordinateur
  • Analyse des journaux et détection d’anomalies
  • Traitement du langage naturel (NLP) pour les scripts de test

Outils IA pour le QA

  • Aperçu des plateformes QA activées par l’IA
  • Utilisation de bibliothèques open source (par ex. Python, Scikit-learn, TensorFlow, Keras) pour des prototypes QA
  • Introduction aux LLM dans l’automatisation des tests
  • Construction d’un simple modèle d’IA pour prédire les échecs de test

Intégration de l’IA dans les workflows QA

  • Évaluation de la préparation de vos processus QA à l’IA
  • Intégration continue et IA : comment intégrer l’intelligence dans les pipelines CI/CD
  • Conception de suites de tests intelligentes
  • Gestion de la dérive des modèles IA et des cycles de réentraînement
  • Considérations éthiques dans les tests alimentés par l’IA

Travaux pratiques et projet de fin de parcours

  • Labo 1 : Automatisation de la génération de cas de test à l’aide de l’IA
  • Labo 2 : Construction d’un modèle de prédiction des défauts à partir de données de test historiques
  • Labo 3 : Utilisation d’un LLM pour réviser et optimiser les scripts de test
  • Projet de fin de parcours : Implémentation de bout en bout d’un pipeline de test alimenté par l’IA

Pré requis

Les participants sont censés disposer :

  • D’une expérience d’au moins 2 ans dans des rôles de test logiciel/QA
  • D’une familiarité avec les outils d’automatisation des tests (par ex. Selenium, JUnit, Cypress)
  • De connaissances de base en programmation (de préférence en Python ou JavaScript)
  • D’une expérience avec les outils de contrôle de version et CI/CD (par ex. Git, Jenkins)
  • Aucune expérience préalable en IA/ML n’est requise, mais la curiosité et la volonté d’expérimenter sont essentielles

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires