Neem contact met ons 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

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (3)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën