Cursusaanbod

Module 1: Inleiding tot AI voor QA

  • Wat is kunstmatige intelligentie?
  • Machine Learning vs Deep Learning vs Regelgebaseerde Systemen
  • De evolutie van softwaretesten met AI
  • Belangrijke voordelen en uitdagingen van AI in QA

Module 2: Basiskennis van Data en ML voor Testers

  • Gestructureerde vs ongestructureerde data begrijpen
  • Kenmerken, labels en trainingsdatasets
  • Geleid en ongeleid leren
  • Inleiding tot model-evaluatie (nauwkeurigheid, precisie, herroepbaarheid, enz.)
  • Reële QA-datasets

Module 3: AI Use Cases in QA

  • AI-gedreven testgevallen genereren
  • Defecten voorspellen met behulp van ML
  • Testprioritering en risicogebaseerd testen
  • Visueel testen met computervisie
  • Loganalyse en anomalie-opsporing
  • Natuurlijke taalverwerking (NLP) voor testscripts

Module 4: AI-Tools voor QA

  • Overzicht van AI-ondersteunde QA-platforms
  • Gebruik van open-source bibliotheken (b.v. Python, Scikit-learn, TensorFlow, Keras) voor QA-prototypes
  • Inleiding tot LLMs in testautomatisering
  • Het bouwen van een eenvoudig AI-model om testfouten te voorspellen

Module 5: AI Integraal in QA Workflows

  • Evaluatie van AI-geschiktheid van uw QA-processen
  • Continuïntegratie en AI: hoe intelligentie in CI/CD-pijplijnen in te bedden
  • Ontwerp van intelligente testsuites
  • Beheer van AI-model drift en heropvoeding cycli
  • Ethische overwegingen bij AI-gedreven testen

Module 6: Handson Labo's en Capstone Project

  • Labo 1: Automatiseer testgevallen genereren met behulp van AI
  • Labo 2: Bouw een defect voorspellend model met behulp van historische testdata
  • Labo 3: Gebruik een LLM om testscripts te beoordelen en te optimaliseren
  • Capstone: Eind-to-eind implementatie van een AI-gedreven testpijplijn

Vereisten

Deelnemers worden verwacht om te hebben:

  • 2+ jaar ervaring in softwaretest-/QA-rollen
  • Kennis van testautomatisatiegereedschappen (bijvoorbeeld Selenium, JUnit, Cypress)
  • Basisweten van programmeren (vooral in Python of JavaScript)
  • Evaring met versiebeheer en CI/CD-gereedschappen (bijvoorbeeld Git, Jenkins)
  • Geen voorafgaande AI/ML-ervaring nodig, hoewel nieuwsgierigheid en bereidheid om te experimenteren essentieel zijn
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Testimonials (5)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën