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。
課程簡介
模塊1：質量保證與測試基礎
- 定義質量、質量保證和測試
- 七項測試原則（ISTQB CTFL v4.0）
- 測試與調試與質量控制的區別
- 測試心理學
- QA團隊中的角色和職責
模塊2：軟件開發生命週期與測試
- 軟件測試生命週期（STLC）的階段
- 瀑布、敏捷、DevOps和CI/CD測試方法
- 測試級別：單元、集成、系統、驗收
- 左移和右移測試策略
- 需求與測試用例之間的可追溯性
模塊3：靜態測試技術
- 評審、走查和檢查
- 使用自動化工具進行靜態分析
- 基於檢查表和角色的評審
- 正式和非正式評審技術
- 將靜態測試集成到敏捷工作流程中
模塊4：測試技術
- 黑盒技術：等價類劃分、邊界值分析
- 決策表測試和狀態轉換測試
- 用例測試和探索性測試
- 白盒技術：語句和決策覆蓋
- 基於經驗的技術和錯誤猜測
模塊5：缺陷管理
- 缺陷生命週期：檢測、報告、分類、解決、關閉
- 使用JIRA編寫有效的缺陷報告
- 缺陷嚴重性與優先級分類
- 根本原因分析技術
- 缺陷指標和趨勢分析
模塊6：測試管理與基於風險的測試
- 測試規劃和估算方法
- 風險識別、評估和緩解
- 測試監控、控制和報告
- 定義測試完成標準和退出條件
- 符合ISTQB的測試策略和測試政策文檔
模塊7：測試工具與自動化基礎
- 測試工具分類（ISTQB工具類別）
- 測試自動化的好處和風險
- 工具選擇：開源與商業解決方案
- Selenium、Playwright和Cypress簡介
- 構建基本的自動化測試套件
模塊8：AI在質量保證中的介紹
- 測試員的AI和機器學習概念
- 分類：用於測試的AI與AI系統測試
- 當前AI測試領域的機遇與侷限性
- 基於AI系統的質量特性
- ISTQB CT-AI教學大綱概述及其相關性
模塊9：AI輔助測試用例生成
- 使用LLM（ChatGPT、Claude、Copilot）起草測試用例
- 生成測試場景的提示工程技術
- 將用戶故事和驗收標準轉換爲測試用例
- 審查和驗證AI生成的測試用例
- 平臺：Testim、Mabl和AI原生測試生成工具
模塊10：AI輔助測試自動化
- 使用Katalon Studio AI進行自愈測試自動化
- AI驅動的對象識別和元素定位
- 使用Applitools Eyes進行視覺迴歸測試
- 帶有AI插件的Selenium，實現彈性自動化
- 通過智能定位器減少維護開銷
模塊11：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進行故障聚類和異常檢測
- AI輔助的根本原因分析
- 質量風險評分和測試差距分析
- 利用歷史缺陷數據優先測試
模塊12：AI工具評估與CI/CD集成
- 評估AI測試工具的標準
- 投資回報率分析和採用策略
- 將AI測試工具集成到Jenkins、GitHub Actions、GitLab CI中
- 流水線設計：何時何地運行AI驅動的測試
- 使用指標衡量AI測試的有效性
模塊13：AI驅動測試中的倫理考量
- AI生成測試數據中的偏見和公平性
- 使用基於雲的AI工具時的隱私問題
- AI測試決策的透明性和可解釋性
- 治理和合規性考量
- QA團隊的責任AI實踐
模塊14：ISTQB CTFL考試準備
- CTFL v4.0考試結構、時長和評分
- 題型和答題策略
- CTFL教學大綱各章節的主題權重分佈
- ISTQB風格樣題練習
- 學習路線圖和推薦資源
模塊15：綜合項目：端到端AI增強測試工作流程
- 從示例需求文檔設計測試用例
- 使用AI生成和優化測試場景
- 使用自愈工具自動化選定的測試
- 報告缺陷並進行AI輔助的根本原因分析
- 回顧：將AI集成到日常QA實踐中
最低要求
- 對軟件開發概念和術語有基本瞭解
- 具備軟件測試的基礎知識
- 無需事先獲得ISTQB認證或正式的QA培訓
受衆
- 準備ISTQB基礎級別認證的QA專業人員和軟件測試員
- 希望將AI工具集成到測試工作流程中的測試工程師
- 從臨時測試過渡到結構化QA框架的團隊
21 小時
