Cursusaanbod
Module 1: Inleiding tot AI voor QA
- Wat is kunstmatige intelligentie?
- Machine learning versus diep leren versus regelgebaseerde systemen
- De ontwikkeling van softwaretesten onder invloed van AI
- De belangrijkste voordelen en uitdagingen van het gebruik van AI in QA
Module 2: Basisprincipes van data en machine learning voor testers
- Structuur- versus ongestructureerde gegevens begrijpen
- Features, labels en trainingsdatasets
- Supervised learning versus unsupervised learning
- Inleiding tot modelevaluatie (nauwkeurigheid, precisie, recall, etc.)
- Voorbeelden van reële QA-datasets
Module 3: Toepassingen van AI in QA
- Het genereren van testcases met behulp van AI
- Voorspellen van fouten door middel van machine learning
- Testprioritering en risicogebaseerd testen
- Visuele testing met behulp van computervisie
- Analyse van logs en het detecteren van afwijkingen
- Het gebruik van natuurlijke taalverwerking voor testscripts
Module 4: AI-hulpmiddelen voor QA
- Overzicht van platformen met geïntegreerde AI-functionaliteit voor QA
- Het gebruik van open-sourcebibliotheken (zoals Python, Scikit-learn, TensorFlow en Keras) voor het ontwikkelen van QA-prototypen
- Inleiding tot grote taalmodellen in automatisering van tests
- Het bouwen van een eenvoudig AI-model ter voorspelling van testmislukkingen
Module 5: Integratie van AI in QA-workflows
- Beoordelen of uw QA-processen klaar zijn voor AI-integratie
- Continue integratie en AI: hoe intelligentie kan worden toegevoegd aan CI/CD-pipelines
- Het ontwerpen van intelligente testsets
- Omgaan met modeldrift en het regelmatig opnieuw trainen van AI-modellen
- Ethische overwegingen bij het gebruik van AI in testprocessen
Module 6: Praktische oefeningen en eindproject
- Oefening 1: Automatiseren van testcasegeneratie met AI
- Oefening 2: Een model ontwikkelen voor het voorspellen van fouten op basis van historische testgegevens
- Oefening 3: Het gebruiken van een groot taalmodel om testscripts te evalueren en te optimaliseren
- Eindproject: Het volledig implementeren van een AI-gestuurde testomgeving
Vereisten
Van deelnemers wordt verwacht dat zij:
- Minimaal twee jaar ervaring hebben in softwaretesten of als QA-professional.
- Bekend zijn met hulpmiddelen voor testautomatisering (bijv. Selenium, JUnit, Cypress).
- Over basiskennis van programmeren beschikken (vooral Python of JavaScript wordt aangeraden).
- Ervaring hebben met versiebeheer en CI/CD-tools, zoals Git en Jenkins.
- Geen voorafgaande kennis van AI of machine learning vereist is; nieuwsgierigheid en een open instelling zijn echter wel 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
