Kerangka Materi

Modul 1: Pengantar AI untuk QA

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

Modul 2: Dasar-dasar Data dan ML untuk Pengujian

  • Memahami data terstruktur vs tidak terstruktur
  • Fitur, label, dan dataset pelatihan
  • Pembelajaran terpantau dan tak terpantau
  • Pengantar penilaian model (akurasi, presisi, recall, dll.)
  • Dataset QA dunia nyata

Modul 3: Kasus Penggunaan AI dalam QA

  • Generasi kasus uji berdaya AI
  • Prediksi cacat menggunakan ML
  • Prioritasi tes dan pengujian berbasis risiko
  • Pengujian visual dengan visi komputer
  • Analisis log dan deteksi anomali
  • Pemrosesan bahasa alami (NLP) untuk skrip tes

Modul 4: Alat AI untuk QA

  • Ikhtisar platform QA berdaya AI
  • Penggunaan perpustakaan open-source (misalnya, Python, Scikit-learn, TensorFlow, Keras) untuk prototipe QA
  • Pengenalan LLM dalam otomasi tes
  • Membangun model AI sederhana untuk memprediksi kegagalan tes

Modul 5: Mengintegrasikan AI ke Dalam Alur Kerja QA

  • Menilai kesiapan AI dari proses QA Anda
  • Integrasi berkelanjutan dan AI: cara menanamkan kecerdasan ke dalam pipa CI/CD
  • Merancang suite tes cerdas
  • Mengelola drift model AI dan siklus pelatihan ulang
  • Pertimbangan etis dalam pengujian berdaya AI

Modul 6: Laboratorium Praktis dan Proyek Capstone

  • Lab 1: Otomatisasi generasi kasus uji menggunakan AI
  • Lab 2: Bangun model prediksi cacat menggunakan data tes historis
  • Lab 3: Gunakan LLM untuk meninjau dan mengoptimalkan skrip tes
  • Capstone: Implementasi end-to-end dari pipa pengujian berdaya AI

Persyaratan

Peserta diharapkan memiliki:

  • Pengalaman 2+ tahun dalam pengujian perangkat lunak/QA
  • Kenyamanan dengan alat otomasi tes (misalnya, Selenium, JUnit, Cypress)
  • Pengetahuan dasar tentang pemrograman (lebih disukai dalam Python atau JavaScript)
  • Pengalaman dengan kontrol versi dan alat CI/CD (misalnya, Git, Jenkins)
  • Tidak diperlukan pengalaman AI/ML sebelumnya, meskipun rasa ingin tahu dan kesiapan untuk bereksperimen sangat penting
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait