Hubungi Kami
 Durasi 21 jam

Kerangka Materi

Pengenalan AI untuk QA

  • Apa itu Kecerdasan Buatan?
  • Pembelajaran Mesin vs Pembelajaran Mendalam vs Sistem Berbasis Aturan
  • Evolusi pengujian perangkat lunak dengan AI
  • Manfaat utama dan tantangan AI di QA

Dasar Data dan ML untuk Penguji

  • Memahami data terstruktur vs tidak terstruktur
  • Fitur, label, dan dataset pelatihan
  • Pembelajaran supervisi dan tanpa supervisi
  • Pengenalan evaluasi model (akurasi, presisi, recall, dll.)
  • Dataset QA dunia nyata

Studi Kasus AI dalam QA

  • Pembuatan kasus uji yang didorong oleh AI
  • Prediksi cacat menggunakan ML
  • Prioritisasi pengujian dan pengujian berbasis risiko
  • Pengujian visual dengan computer vision
  • Analisis log dan deteksi anomali
  • Pemrosesan bahasa alami (NLP) untuk skrip pengujian

Alat AI untuk QA

  • Ikhtisar platform QA yang diaktifkan oleh AI
  • Menggunakan pustaka open-source (misalnya, Python, Scikit-learn, TensorFlow, Keras) untuk prototipe QA
  • Pengenalan LLM dalam otomasi pengujian
  • Membangun model AI sederhana untuk memprediksi kegagalan pengujian

Mengintegrasikan AI ke dalam Alur Kerja QA

  • Mengevaluasi kesiapan AI dari proses QA Anda
  • Integrasi terus-menerus dan AI: cara menanamkan kecerdasan ke dalam pipeline CI/CD
  • Merancang suite pengujian cerdas
  • Manajemen drift model AI dan siklus pelatihan ulang
  • Pertimbangan etika dalam pengujian yang didorong oleh AI

Lab Praktis dan Proyek Capstone

  • Lab 1: Otomasi pembuatan kasus uji menggunakan AI
  • Lab 2: Membangun model prediksi cacat menggunakan data pengujian historis
  • Lab 3: Menggunakan LLM untuk meninjau dan mengoptimalkan skrip pengujian
  • Capstone: Implementasi ujung-ke-ujung pipeline pengujian yang didorong oleh AI

Persyaratan

Peserta diharapkan memiliki:

  • Pengalaman 2+ tahun di peran pengujian perangkat lunak/QA
  • Kenalan dengan alat otomasi pengujian (misalnya, Selenium, JUnit, Cypress)
  • Pengetahuan dasar pemrograman (diutamakan dalam Python atau JavaScript)
  • Pengalaman dengan alat kontrol versi dan CI/CD (misalnya, Git, Jenkins)
  • Tidak diperlukan pengalaman AI/ML sebelumnya, meskipun rasa ingin tahu dan kesediaan untuk bereksperimen sangat penting

Jumlah Peserta


Harga per Peserta

Testimoni (3)

Kursus Mendatang

Kategori Terkait