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：質量保證和測試基礎
- 定義質量、質量保證和測試
- 七項測試原則 (ISTQB CTFL v4.0)
- 測試與調試及質量控制的區別
- 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) 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追溯性
模塊3：靜態測試技術
- 審查、.walkthroughs和檢驗
- 使用自動化工具進行靜態分析
- 基於清單和基於角色的審查
- 正式和非正式審查技術
- 將靜態測試整合到敏捷工作流程中
模塊4：測試技術
- 黑盒技術：等價劃分、邊界值分析
- 決策表測試和狀態轉換測試
- 使用案例測試和探索性測試
- 白盒技術：語句覆蓋和決策覆蓋
- 經驗驅動技術和錯誤猜測
模塊5：缺陷管理
- 缺陷生命週期：檢測、報告、分诊、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
- 缺陷指標和趨勢分析
模塊6：測試管理和風險驅動測試
- 測試計劃和估算方法
- 風險識別、評估和緩解
- 測試監控、控制及報告
- 定義測試完成標準和退出條件
- 符合ISTQB標準的測試策略和測試政策文件
模塊7：測試工具和自動化基礎
- 測試工具分類 (ISTQB工具類別)
- 測試自動化的益處和風險
- 選擇工具：開源與商業解決方案
- Selenium、Playwright和Cypress簡介
- 構建基本自動化測試套件
模塊8：質量保證中AI的介紹
- 測試員的AI和機器學習概念
- 分類：用於測試的AI與測試AI系統
- 當前AI測試格局：機遇與限制
- 基於AI系統的質量特徵
- ISTQB CT-AI大綱概述及相關性
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為測試用例
- 審查和驗證AI生成的測試用例
- 平台：Testim、Mabl及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實現自癒合測試自動化
- AI驅動的對象識別和元素定位
- 使用Applitools Eyes進行視覺回歸測試
- 結合AI插件的Selenium以實現更穩健的自動化
- 利用智能定位器減少維護開銷
模塊11：用於缺陷預測和分析的AI
- 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檢測
- AI輔助根本原因分析
- 質量風險評分和測試差距分析
- 利用歷史缺陷數據優先處理測試
模塊12：AI工具評估及CI/CD整合
- 評估AI測試工具的標準
- 投資回報分析與採用策略
- 將AI測試工具整合至Jenkins、GitHub Actions、GitLab CI
- 管道設計：何時何處運行AI驅動測試
- 通過指標衡量AI測試的有效性
模塊13：AI驅動測試中的道德考量
- AI生成測試數據中的偏見與公平性
- 使用雲基AI工具時的隱私問題
- AI測試決策的透明度和可解釋性
- 治理和合規考量
- QA團隊的负责任AI實踐
模塊14：ISTQB CTFL考試準備
- CTFL v4.0考試結構、時長和評分
- 問題類型和答題策略
- 各章節主題權重分佈
- 包含ISTQB風格樣本問題的練習考試
- 學習路線圖及推薦資源
模塊15：終點項目：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生成和完善測試場景
- 使用自癒合工具自動化選定測試
- 報告缺陷並運行AI輔助的根本原因分析
- 回顧：將AI整合到日常QA實踐中
最低要求
- 具備軟件開發概念和術語的基本理解
- 對軟件測試有基礎熟悉度
- 無需先前ISTQB認證或正式QA培訓
受眾
- 準備ISTQB基礎級認證的QA專業人士和軟件測試員
- 尋求在測試工作流程中整合AI工具的測試工程師
- 從臨時測試轉向結構化QA框架的團隊
21 小時
