Hubungi Kami

Kerangka Materi

Modul 1: Pengantar AI untuk Bidang QA

  • Apa itu kecerdasan buatan?
  • Perbedaan antara pembelajaran mesin, deep learning, dan sistem berbasis aturan
  • Perkembangan pengujian perangkat lunak seiring dengan kemunculan AI
  • Manfaat utama dan tantangan pemanfaatan AI dalam proses QA

Modul 2: Dasar-dasar Data dan Pembelajaran Mesin untuk Penguji

  • Membedakan data terstruktur dengan data tidak terstruktur
  • Konsep fitur, label, serta kumpulan data pelatihan
  • Pembelajaran terawasi dan pembelajaran tanpa pengawasan
  • Pengenalan evaluasi model (akurasi, presisi, recall, dll.)
  • Contoh kumpulan data QA di dunia nyata

Modul 3: Kasus Penerapan AI dalam Proses QA

  • Pembuatan kasus uji secara otomatis dengan bantuan AI
  • Prediksi cacat menggunakan pendekatan pembelajaran mesin
  • Pengaturan prioritas pengujian serta strategi berbasis risiko
  • Pengujian visual dengan pemanfaatan visi komputer
  • Analisis log sistem dan deteksi anomali
  • Pemanfaatan pemrosesan bahasa alami (NLP) untuk penyusunan skrip pengujian

Modul 4: Alat AI yang Dapat Digunakan dalam QA

  • Gambaran umum platform QA yang didukung AI
  • Pemanfaatan pustaka open source (seperti Python, Scikit-learn, TensorFlow, Keras) untuk membuat prototipe solusi QA
  • Pengenalan LLM dalam konteks otomatisasi pengujian
  • Membangun model AI sederhana untuk memprediksi kemungkinan kegagalan pengujian

Modul 5: Mengintegrasikan AI ke dalam Alur Kerja QA

  • Menilai kesiapan proses QA untuk penerapan AI
  • Integrasi kontinu dan otomatisasi: bagaimana menyisipkan elemen kecerdasan buatan ke dalam alur CI/CD
  • Merancang rangkaian pengujian yang cerdas dan efisien
  • Pengelolaan perubahan model AI serta proses pelatihan ulangnya secara teratur
  • Pertimbangan etika dalam penggunaan teknologi AI untuk pengujian

Modul 6: Praktikum dan Proyek Akhir Program

  • Praktikum 1: Membuat alat pembuatan kasus uji secara otomatis dengan pendekatan AI
  • Praktikum 2: Mengembangkan model prediksi cacat berdasarkan data historis pengujian
  • Praktikum 3: Memanfaatkan LLM untuk mengulas serta menyempurnakan skrip pengujian
  • Proyek akhir: Implementasi lengkap sistem pengujian berbasis AI secara terintegrasi

Persyaratan

Diperkirakan peserta telah memiliki:

  • Pengalaman kerja minimal 2 tahun dalam bidang pengujian perangkat lunak/QA
  • Pengetahuan tentang alat otomatisasi pengujian (misalnya Selenium, JUnit, Cypress)
  • Kemampuan dasar dalam pemrograman (idealnya menggunakan Python atau JavaScript)
  • Pengalaman penggunaan sistem kontrol versi serta alat CI/CD (misalnya Git, Jenkins)
  • Tidak diperlukan latar belakang khusus di bidang AI/Pembelajaran Mesin; rasa ingin tahu dan kesiapan bereksperimen justru menjadi faktor penting.
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait