Kerangka Materi
Modul 1: Pengenalan AI untuk QA
- Apa itu Kecerdasan Buatan?
- Machine Learning vs Deep Learning vs Sistem Berbasis Aturan
- Evolusi pengujian perangkat lunak dengan AI
- Keuntungan dan tantangan utama AI dalam QA
Modul 2: Dasar Data dan ML untuk Pengujian
- Memahami data terstruktur vs tidak terstruktur
- Fitur, label, dan dataset pelatihan
- Pembelajaran terawasi dan tidak terawasi
- Pengantar evaluasi model (akurasi, presisi, recall, dll.)
- Dataset QA dunia nyata
Modul 3: AI Use Cases dalam QA
- Generasi kasus pengujian berdaya AI
- Prediksi cacat menggunakan ML
- Prioritasi pengujian dan pengujian berbasis risiko
- Pengujian visual dengan pengenalan citra komputer
- Analisis log dan deteksi anomali
- Pemrosesan bahasa alami (NLP) untuk skrip pengujian
Modul 4: Alat AI untuk QA
- Ringkasan platform QA yang diaktifkan oleh AI
- Menggunakan perpustakaan sumber terbuka (misalnya, Python, Scikit-learn, TensorFlow, Keras) untuk prototipe QA
- Pengenalan LLM dalam otomatisasi pengujian
- Membangun model AI sederhana untuk memprediksi kegagalan pengujian
Modul 5: Integrasi AI ke dalam Alur Kerja QA
- Evaluasi kesiapan AI proses QA Anda
- Integrasi kontinyu dan AI: bagaimana memasukkan kecerdasan ke dalam pipa CI/CD
- Desain rangkaian pengujian yang cerdas
- Mengelola pergeseran model AI dan siklus pelatihan ulang
- Bahan pertimbangan etika dalam pengujian yang dipowered oleh AI
Modul 6: Lab Praktik dan Proyek Akhir
- Lab 1: Otomatisasi generasi kasus pengujian menggunakan AI
- Lab 2: Bangun model prediksi cacat menggunakan data pengujian historis
- Lab 3: Gunakan LLM untuk meninjau dan mengoptimalkan skrip pengujian
- Proyek Akhir: Implementasi end-to-end dari pipa pengujian yang dipowered oleh AI
Program pelatihan ini dirancang untuk memberdayakan insinyur QA perangkat lunak dengan pengetahuan AI yang esensial dan keterampilan praktis untuk meningkatkan produktivitas pengujian mereka dan hasil kualitas perangkat lunak. Peserta akan memperoleh pemahaman dasar tentang kecerdasan buatan, pembelajaran mesin, dan aplikasinya dalam otomatisasi pengujian, deteksi cacat, generasi kasus pengujian, pengujian berbasis risiko, dan analisis kinerja.
Melalui kombinasi teori, demo, dan lab praktik, profesional QA akan belajar bagaimana memanfaatkan AI untuk mengurangi upaya manual, meningkatkan cakupan pengujian, dan menaikkan akurasi deteksi cacat—sehingga meningkatkan efisiensi dan efektivitas keseluruhan dalam proses QA
Pada akhir kursus ini, peserta akan dapat:
- Memahami konsep dasar AI dan ML yang relevan dengan pengujian perangkat lunak.
- Mengidentifikasi area dalam siklus hidup QA yang dapat memanfaatkan alat dan teknik berdaya AI.
- Menggunakan model AI untuk tugas seperti generasi kasus pengujian, prediksi cacat, dan analisis risiko.
- Evaluasi dan integrasi alat pengujian berbasis AI ke dalam alur kerja QA yang ada.
- Berkerjasama dengan ilmuwan data dan insinyur untuk merancang dan menerapkan strategi QA yang cerdas.
Peserta diharapkan memiliki:
- Pengalaman 2+ tahun dalam peran pengujian/QA
- Ketahui tentang alat otomatisasi pengujian (misalnya, Selenium, JUnit, Cypress)
- Pengetahuan dasar tentang pemrograman (lebih disukai dalam Python atau JavaScript)
- Pengalaman dengan alat kontrol versi dan CI/CD (misalnya, Git, Jenkins)
- Tidak diperlukan pengalaman sebelumnya dalam AI/ML, tetapi rasa ingin tahu dan keinginan untuk berexperiment adalah esensial
Persyaratan
Peserta diharapkan memiliki:
- Pengalaman selama 2+ tahun di peran pengujian perangkat lunak/QA
- Kenalan dengan alat otomatisasi pengujian (misalnya, Selenium, JUnit, Cypress)
- Pengenalan dasar pemrograman (sebaiknya dalam Python atau JavaScript)
- Pengalaman dengan kendali versi dan alat CI/CD (misalnya, Git, Jenkins)
- Tidak diperlukan pengalaman sebelumnya dalam AI/ML, meskipun keingintahuan dan keinginan untuk bereksperimen sangat penting
Testimoni (5)
Method of teaching
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Kursus - SoapUI for API Testing
I enjoyed everything as it is all new for me and I can see the added value it can ring to my work.
Zareef - BMW South Africa
Kursus - Tosca: Model-Based Testing for Complex Systems
Very broad overview of the subject matter that ran through all the prerequisite knowledge in ways appropriate to the course knowledge.
James Hurburgh - Queensland Police Service
Kursus - SpecFlow: Implementing BDD for .NET
It was easy to understand and to implement.
Thomas Young - Canadian Food Inspection Agency
Kursus - Robot Framework: Keyword Driven Acceptance Testing
Amount of hands-on excersises.