Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Ενότητα 1: Εισαγωγή στην ΤΝ για QA

  • Τι είναι η Τεχνητή Νοημοσύνη;
  • Μηχανική Μάθηση vs Βαθιά Μάθηση vs Συστήματα βασισμένα σε κανόνες
  • Η εξέλιξη της δοκιμής λογισμικού με την ΤΝ
  • Βασικά οφέλη και προκλήσεις της ΤΝ στο QA

Ενότητα 2: Βασικές αρχές Δεδομένων και Μηχανικής Μάθησης για Δοκιμαστές

  • Κατανόηση δομημένων vs αδόμητων δεδομένων
  • Χαρακτηριστικά, ετικέτες και σύνολα εκπαίδευσης
  • Εποπτευόμενη και μη εποπτευόμενη μάθηση
  • Εισαγωγή στην αξιολόγηση μοντέλων (ακρίβεια, ακρίβεια ανάκτησης, ανάκληση, κλπ.)
  • Πραγματικά σύνολα δεδομένων QA

Ενότητα 3: Περιπτώσεις Χρήσης ΤΝ στο QA

  • Δημιουργία σεναρίων δοκιμής με χρήση ΤΝ
  • Πρόβλεψη ελαττωμάτων με χρήση ΜΜ
  • Ιεράρχηση δοκιμών και δοκιμές βασισμένες σε κινδύνους
  • Οπτική δοκιμή με υπολογιστική όραση
  • Ανάλυση καταγραφών και ανίχνευση ανωμαλιών
  • Επεξεργασία φυσικής γλώσσας (NLP) για σενάρια δοκιμών

Ενότητα 4: Εργαλεία ΤΝ για QA

  • Επισκόπηση πλατφορμών QA με υποστήριξη ΤΝ
  • Χρήση βιβλιοθηκών ανοιχτού κώδικα (π.χ. Python, Scikit-learn, TensorFlow, Keras) για πρωτότυπα QA
  • Εισαγωγή στα Μεγάλα Γλωσσικά Μοντέλα (LLM) στην αυτοματοποίηση δοκιμών
  • Δημιουργία ενός απλού μοντέλου ΤΝ για την πρόβλεψη αποτυχιών δοκιμών

Ενότητα 5: Ενσωμάτωση ΤΝ στις ροές εργασίας QA

  • Αξιολόγηση της ετοιμότητας ΤΝ των διαδικασιών QA σας
  • Συνεχής ενσωμάτωση και ΤΝ: πώς να ενσωματώσετε νοημοσύνη στις γραμμές παραγωγής CI/CD
  • Σχεδιασμός ευφυών σουιτών δοκιμών
  • Διαχείριση παρέκκλισης μοντέλου ΤΝ και κύκλων επανεκπαίδευσης
  • Ηθικές παράμετροι στις δοκιμές με υποστήριξη ΤΝ

Ενότητα 6: Πρακτικά Εργαστήρια και Τελικό Έργο (Capstone)

  • Εργαστήριο 1: Αυτοματοποίηση δημιουργίας σεναρίων δοκιμής με χρήση ΤΝ
  • Εργαστήριο 2: Δημιουργία μοντέλου πρόβλεψης ελαττωμάτων με χρήση ιστορικών δεδομένων δοκιμών
  • Εργαστήριο 3: Χρήση ενός LLM για τον έλεγχο και τη βελτιστοποίηση σεναρίων δοκιμών
  • Capstone: Υλοποίηση end-to-end μιας γραμμής παραγωγής δοκιμών με υποστήριξη ΤΝ

Απαιτήσεις

Οι συμμετέχοντες αναμένεται να διαθέτουν:

  • 2+ χρόνια εμπειρίας σε ρόλους δοκιμών λογισμικού/QA
  • Εξοικείωση με εργαλεία αυτοματοποίησης δοκιμών (π.χ. Selenium, JUnit, Cypress)
  • Βασικές γνώσεις προγραμματισμού (κατά προτίμηση σε Python ή JavaScript)
  • Εμπειρία με εργαλεία ελέγχου έκδοσης και CI/CD (π.χ. Git, Jenkins)
  • Δεν απαιτείται προηγούμενη εμπειρία σε ΤΝ/ΜΜ, αν και η περιέργεια και η προθυμία για πειραματισμό είναι απαραίτητες
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (3)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες