聯繫我們
 課程時長 21 時間:

課程簡介

QA領域的AI入門

  • 什麼是人工智能?
  • 機器學習 vs 深度學習 vs 基於規則的系統
  • 軟體測試在AI時代的演進
  • AI在QA中的主要優勢與挑戰

測試人員所需的數據與ML基礎

  • 理解結構化數據與非結構化數據
  • 特徵、標籤與訓練數據集
  • 監督學習與無監督學習
  • 模型評估簡介(準確率、精確率、召回率等)
  • 真實場景中的QA數據集

AI在QA中的應用場景

  • AI驅動的測試用例生成
  • 利用ML進行缺陷預測
  • 測試優先級排序與風險導向測試
  • 基於計算機視覺的視覺測試
  • 日誌分析與異常檢測
  • 用於測試腳本的自然語言處理(NLP)

QA領域的AI工具

  • AI使能的QA平台概覽
  • 使用開源庫(如 Python, Scikit-learn, TensorFlow, Keras)構建QA原型
  • 大型語言模型(LLM)在測試自動化中的應用簡介
  • 構建一個簡單的AI模型以預測測試失敗

將AI整合至QA工作流

  • 評估您的QA流程對AI的就緒程度
  • 持續集成與AI:如何將智能嵌入CI/CD管道
  • 設計智慧型測試套件
  • 管理AI模型漂移及重訓週期
  • AI驅動測試中的倫理考量

實戰實驗與綜合項目

  • 實驗1:利用AI自動化測試用例生成
  • 實驗2:使用歷史測試數據構建缺陷預測模型
  • 實驗3:使用LLM審閱並優化測試腳本
  • 綜合項目:端到端實施AI驅動的測試管道

最低要求

參與者預期具備:

  • 2年以上軟體測試/QA崗位經驗
  • 熟悉測試自動化工具(如 Selenium, JUnit, Cypress)
  • 具備基礎編程知識(優先考慮 Python 或 JavaScript)
  • 有版本控制及 CI/CD 工具使用經驗(如 Git, Jenkins)
  • 無需具備先前的 AI/ML 經驗,但好奇心與嘗試意願至關重要

客戶評論 (3)

課程分類