Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Durasi 14 jam
Kerangka Materi
Pengenalan AI dalam Pengujian Perangkat Lunak
- Gambaran umum kemampuan AI dalam pengujian dan QA
- Jenis alat AI yang digunakan dalam alur kerja pengujian modern
- Manfaat dan risiko rekayasa kualitas yang didorong AI
LLM untuk Generasi Kasus Uji
- Rekayasa prompt (prompt engineering) untuk menghasilkan uji unit dan fungsional
- Pembuatan templat uji yang terparametrisasi dan berbasis data
- Konversi cerita pengguna (user stories) dan persyaratan menjadi skrip uji
AI dalam Pengujian Eksploratif dan Kasus Tepi (Edge Case)
- Mengidentifikasi cabang atau kondisi yang belum diuji menggunakan AI
- Mensimulasikan skenario penggunaan yang langka atau abnormal
- Strategi generasi uji berbasis risiko
Pengujian UI dan Regresi Otomatis
- Menggunakan alat AI seperti Testim atau mabl untuk pembuatan uji UI
- Mempertahankan stabilitas uji UI melalui selektor penyembuh diri (self-healing selectors)
- Analisis dampak regresi berbasis AI setelah perubahan kode
Analisis Kegagalan dan Optimasi Uji
- Pengelompokan kegagalan uji menggunakan model LLM atau ML
- Mengurangi eksekusi uji yang tidak stabil (flaky test) dan kelelahan peringatan (alert fatigue)
- Memprioritaskan eksekusi uji berdasarkan wawasan historis
Integrasi Pipeline CI/CD
- Memasukkan generasi uji AI ke dalam Jenkins, GitHub Actions, atau GitLab CI
- Validasi kualitas uji selama permintaan penarikan (pull requests)
- Rollback otomasi dan pengujian pintar (smart test gating) dalam pipeline
Tren Masa Depan dan Penggunaan AI yang Bertanggung Jawab dalam QA
- Mengevaluasi akurasi dan keamanan uji yang dihasilkan AI
- Tata kelola (governance) dan jejak audit untuk proses pengujian yang ditingkatkan dengan AI
- Tren platform AI-QA dan observabilitas cerdas
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pengalaman dalam pengujian perangkat lunak, perencanaan uji, atau otomasi QA
- Kenalan dengan framework pengujian seperti JUnit, PyTest, atau Selenium
- Pemahaman dasar tentang pipeline CI/CD dan lingkungan DevOps
Audiens
- Insinyur QA
- Insinyur Pengembangan Perangkat Lunak untuk Uji (SDETs)
- Pengujian perangkat lunak yang bekerja dalam pengaturan agile atau DevOps
Testimoni (1)
Saya mendapatkan pengetahuan tentang perpustakaan streamlit dari Python dan tentu saja saya akan mencoba menggunakannya untuk meningkatkan aplikasi di tim saya yang dibuat dengan R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kursus - GitHub Copilot for Developers
Diterjemahkan Mesin