聯繫我們

課程簡介

模組 1:QA 中的 AI 介紹

  • 什麼是人工智慧?
  • 機器學習與深度學習與規則系統
  • AI 在軟體測試中的演變
  • QA 中 AI 的關鍵益處和挑戰

模組 2:測試人員的數據和 ML 基礎

  • 理解結構化與非結構化數據
  • 特徵、標籤和訓練數據集
  • 監督式和無監督式學習
  • 模型評估簡介(準確性、精確度、召回率等)
  • 實際 QA 數據集

模組 3:QA 中的 AI 用例

  • AI 驅動的測試用例生成
  • 使用 ML 進行缺陷預測
  • 測試優先級和基於風險的測試
  • 計算機視覺的視覺測試
  • 日誌分析和異常檢測
  • 測試腳本的天然語言處理 (NLP)

模組 4:QA 的 AI 工具

  • AI 賦能的 QA 平台概述
  • 使用開源庫(如 Python、Scikit-learn、TensorFlow、Keras)進行 QA 原型設計
  • LLMs 在測試自動化中的介紹
  • 構建簡單的 AI 模型來預測測試失敗

模組 5:將 AI 集成到 QA 工作流程中

  • 評估您的 QA 流程的 AI 準備情況
  • 持續整合和 AI:如何在 CI/CD 管道中嵌入智能
  • 設計智能測試套件
  • 管理 AI 模型漂移和重新訓練週期
  • AI 驅動測試中的道德考量

模組 6:實踐實驗室和頂尖項目

  • 實驗室 1:使用 AI 自動化測試用例生成
  • 實驗室 2:使用歷史測試數據構建缺陷預測模型
  • 實驗室 3:使用 LLM 審查和优化測試腳本
  • 頂尖項目:端到端實現 AI 驅動的測試管道

最低要求

學員應具備:

  • 2 年以上軟體測試/QA 角色經驗
  • 熟悉測試自動化工具(如 Selenium、JUnit、Cypress)
  • 基本程式設計知識(最好是 Python 或 JavaScript)
  • 版本控制和 CI/CD 工具的經驗(如 Git、Jenkins)
  • 無需先前 AI/ML 經驗,但好奇心和實驗意願是必要的
 21 小時

客戶評論 (3)

課程分類