感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間：
課程簡介
品質保證與測試基礎
- 定義品質、品質保證及測試
- 七項測試原則（ISTQB CTFL v4.0）
- 測試、除錯與品質控制的區別
- 測試的心理學
- QA 團隊中的角色與責任
軟體開發生命週期與測試
- 軟體測試生命週期（STLC）的階段
- 瀑布式、敏捷、DevOps 及 CI/CD 測試方法
- 測試層級：單元、整合、系統、驗收
- 左移（Shift-left）與右移（Shift-right）測試策略
- 需求與測試用例之間的可追溯性
靜態測試技術
- 評審、走查與檢查
- 使用自動化工具進行靜態分析
- 基於檢查清單和基於角色的評審
- 正式和非正式評審技術
- 將靜態測試整合到敏捷工作流中
測試技術
- 黑盒技術：等價分割、邊界值分析
- 決策表測試及狀態轉移測試
- 使用案例測試及探索式測試
- 白盒技術：語句覆蓋率和決策覆蓋率
- 基於經驗的技術及錯誤猜測
缺陷管理
- 缺陷生命週期：偵測、報告、分類、解決、關閉
- 使用 JIRA 撰寫有效的缺陷報告
- 缺陷嚴重性與優先級分類
- 根本原因分析技術
- 缺陷指標與趨勢分析
測試管理與基於風險的測試
- 測試規劃與估時方法
- 風險識別、評估與緩解
- 測試監控、控制與報告
- 定義測試完成標準與退出條件
- 符合 ISTQB 標準的測試策略與測試政策文件
測試工具與自動化基礎
- 測試工具分類（ISTQB 工具類別）
- 測試自動化的優點與風險
- 工具選擇：開源 vs. 商業解決方案
- Selenium、Playwright 及 Cypress 介紹
- 建立基本的自動化測試套件
AI 在品質保證中的應用入門
- 面向測試人員的 AI 和機器學習概念
- 分類：用於測試的 AI vs. 測試 AI 系統
- 當前 AI 測試版圖：機會與限制
- 基於 AI 系統的特徵
- ISTQB CT-AI 大綱概覽及其相關性
AI 輔助測試用例生成
- 使用 LLM（ChatGPT、Claude、Copilot）起草測試用例
- 用於生成測試場景的提示工程技術
- 將使用者故事和驗收標準轉換為測試用例
- 審查並驗證 AI 生成的測試用例
- 平台：Testim、Mabl 及 AI 原生測試生成工具
AI 輔助測試自動化
- 使用 Katalon Studio AI 進行自癒式測試自動化
- AI 驅動的物件識別與元素定位
- 使用 Applitools Eyes 進行視覺回歸測試
- 搭配 AI 外掛程式的 Selenium，實現彈性的自動化
- 使用智慧定位器減少維護開銷
AI 用於缺陷預測與分析
- 使用 Launchable 和 Sealights 進行預測性測試選擇
- 使用 ReportPortal 進行失敗聚類和異常偵測
- AI 輔助的根本原因分析
- 品質風險評分與測試差距分析
- 利用歷史缺陷數據優先級測試
AI 工具評估與 CI/CD 整合
- 評估 AI 測試工具的標準
- 投資回報率（ROI）分析與採用策略
- 將 AI 測試工具整合到 Jenkins、GitHub Actions、GitLab CI
- 管線設計：何時及何地執行 AI 驅動的測試
- 使用指標衡量 AI 測試的效果
AI 驅動測試中的倫理考量
- AI 生成測試數據中的偏見與公平性
- 使用雲端 AI 工具時的隱私問題
- AI 測試決策的透明度與可解釋性
- 治理與合規考量
- QA 團隊負責任的 AI 實務
ISTQB CTFL 備考
- CTFL v4.0 考試結構、時間及評分
- 題目類型與答題策略
- CTFL 大綱各章節的主題權重分佈
- 包含 ISTQB 風格樣題的模擬考試
- 學習路線圖及推薦資源
期末項目：端到端 AI 增強測試工作流
- 從樣本需求文件中設計測試用例
- 使用 AI 生成並完善測試場景
- 使用自癒工具自動化選定的測試
- 報告缺陷並執行 AI 輔助的根本原因分析
- 回顧：將 AI 整合到日常 QA 實務中
最低要求
- 對軟體開發概念和術語有基本了解
- 對軟體測試有基礎熟悉度
- 無需具備先前的 ISTQB 認證或正式的 QA 培訓經驗
適合對象
- 準備 ISTQB 初級認證的 QA 專業人員及軟體測試人員
- 希望將 AI 工具整合到測試工作流中的測試工程師
- 正從隨意測試過渡到結構化 QA 框架的團隊
