Schulungsübersicht
Modul 1: Einführung in KI für QA
- Was ist künstliche Intelligenz?
- Machine Learning vs Deep Learning vs regelbasierte Systeme
- Die Entwicklung der Software-Tests mit KI
- Kernvorteile und Herausforderungen von KI in der QA
Modul 2: Daten- und ML-Grundlagen für Testers
- Verständnis von strukturierten vs. unstrukturierten Daten
- Features, Labels und Trainingsdatensätze
- Supervised vs unsupervised Learning
- Einführung in die Modellbewertung (Genauigkeit, Präzision, Recall usw.)
- Echtzeit-QA-Datensätze
Modul 3: KI Use Cases in der QA
- KI-gestützte Testfall-Generierung
- Defektprognose mit ML
- Testpriorisierung und risksbasiertes Testing
- Visuelles Testen mit Computer Vision
- Loganalyse und Anomalieerkennung
- Sprachverarbeitung (NLP) für Testscripts
Modul 4: KI-Tools für QA
- Überblick über KI-gestützte QA-Plattformen
- Verwendung von Open-Source-Bibliotheken (z. B., Python, Scikit-learn, TensorFlow, Keras) für QA-Projekte
- Einführung in LLMs in der Testautomatisierung
- Erstellen eines einfachen KI-Modells zur Vorhersage von Testfehlern
Modul 5: Integration von KI in QA-Abläufe
- Bewertung der KI-Fähigkeit Ihrer QA-Prozesse
- Kontinuierliche Integration und KI: Wie man Intelligenz in CI/CD-Pipelines einbetten kann
- Entwerfen intelligenter Testpakete
- Verwaltung von KI-Modellverschiebungen und Wiedertrainingszyklen
- Ethische Überlegungen bei KI-gestütztem Testen
Modul 6: Praktische Labore und Abschlussprojekt
- Labor 1: Automatisieren der Testfallgenerierung mit KI
- Labor 2: Erstellen eines Defektprognosemodells auf der Grundlage historischer Testdaten
- Labor 3: Verwenden von LLMs zur Überprüfung und Optimierung von Testscripts
- Abschlussprojekt: End-to-End-Implementierung eines KI-gestützten Testpipelines
Voraussetzungen
Die Teilnehmer sollten Folgendes mitbringen:
- 2+ Jahre Erfahrung in Software-Testing/QA-Rollen
- Familiär mit Test-Automatisierungstools (z.B., Selenium, JUnit, Cypress)
- Grundlegendes Programmierwissen (vorzugsweise in Python oder JavaScript)
- Erfahrung mit Versionskontrolle und CI/CD-Tools (z.B., Git, Jenkins)
- Keine vorherige Erfahrung in AI/ML erforderlich, aber Neugier und Bereitschaft zu Experimentieren sind essentiell
Erfahrungsberichte (5)
Ich habe alles genossen, denn es ist alles neu für mich, und ich kann den Mehrwert erkennen, den es für meine Arbeit bedeuten kann.
Zareef - BMW South Africa
Kurs - Tosca: Model-Based Testing for Complex Systems
Maschinelle Übersetzung
Sehr umfassender Überblick über das Thema, der alle notwendigen Vorkenntnisse auf eine für das Kurswissen angemessene Art und Weise abdeckt.
James Hurburgh - Queensland Police Service
Kurs - SpecFlow: Implementing BDD for .NET
Maschinelle Übersetzung
Es war einfach zu verstehen und umzusetzen.
Thomas Young - Canadian Food Inspection Agency
Kurs - Robot Framework: Keyword Driven Acceptance Testing
Maschinelle Übersetzung
Anzahl der praktischen Übungen.
Jakub Wasikowski - riskmethods sp. z o.o
Kurs - API Testing with Postman
Maschinelle Übersetzung
Um sich mit dem Screenplay-Muster vertraut zu machen und zu lernen, warum dieses Muster besser ist als das alte Muster.
Peter Moors
Kurs - Serenity BDD for Automated Acceptance Tests
Maschinelle Übersetzung