Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Duur 21 uren
Cursusaanbod
Introductie tot AI voor QA
- Wat is kunstmatige intelligentie?
- Machine learning versus dieplearning versus regelgebaseerde systemen
- De evolutie van softwaretesten met AI
- Belangrijke voordelen en uitdagingen van AI in QA
Basiskennis van data en ML voor testers
- Structured versus unstructured data begrijpen
- Kenmerken, labels en trainingsdatasets
- Bewak en onbewaakt leren
- Inleiding tot modelbeoordeling (accuratesse, precisie, herstel, etc.)
- QA-datasets uit de praktijk
AI-toepassingen in QA
- AI-gedreven testgevalsgeneratie
- Defectvoorspelling met ML
- Testprioritering en risicogebaseerde testen
- Visuele testen met computervisie
- Loganalyse en anomaliëdetectie
- Natuurlijke taalverwerking (NLP) voor testscripts
AI-tools voor QA
- Overzicht van AI-geactiveerde QA-platforms
- Gebruik van open-source-bibliotheken (bijv. Python, Scikit-learn, TensorFlow, Keras) voor QA-prototypes
- Inleiding tot LLMs in testautomatisering
- Ontwerpen van een eenvoudig AI-model om testmislukkingen te voorspellen
Integratie van AI in QA-workflows
- Evalueren van de AI-klaarheid van uw QA-processen
- Continue integratie en AI: intelligentie inbouwen in CI/CD-pipelines
- Ontwerpen van intelligente testsets
- Beheren van modeldrift en hertrainingscycli
- Ethische overwegingen bij AI-gedreven testen
Praktische labs en Capstone-project
- Lab 1: Testgevalsgeneratie automatiseren met AI
- Lab 2: Een defectvoorspellingsmodel bouwen met historische testdata
- Lab 3: Een LLM gebruiken om testscripts te beoordelen en te optimaliseren
- Capstone: End-to-end implementatie van een AI-gedreven testpipeline
Vereisten
Van deelnemers wordt verwacht dat zij:
- Meer dan 2 jaar ervaring hebben in softwaretest- of QA-functies
- Vertrouwd zijn met testautomatiseringstools (bijv. Selenium, JUnit, Cypress)
- Basis kennis hebben van programmeren (bij voorkeur in Python of JavaScript)
- Ervaring hebben met versiebeheer en CI/CD-tools (bijv. Git, Jenkins)
- Geen voorafgaande AI/ML-ervaring vereist is, maar nieuwsgierigheid en de bereidheid om te experimenteren zijn essentieel
Getuigenissen (3)
De mogelijkheden van Postman en het toekomstige gebruik ervan.
Gordana Gacic - SEE Digital D.O.O.
Cursus - API Testing with Postman
Automatisch vertaald
praktische oefeningen, waardoor informatie beter wordt onthouden
ashley bolen - Insurance Corporation of British Columbia
Cursus - Test Automation with Selenium
Automatisch vertaald
De beschikbaarheid van de trainer om vragen te beantwoorden, evenals de concrete en visuele demonstraties met TestComplete.
Radia - Cegid
Cursus - TestComplete
Automatisch vertaald