Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Διάρκεια 21 Ώρες
Εξέλιξη Κομματιού
Εισαγωγή στην AI για QA
- Τι είναι η Τεχνητή Νοημοσύνη;
- Machine Learning σε αντίθεση με Deep Learning και Συστήματα Βασισμένα σε Κανόνες
- Η εξέλιξη του ελέγχου λογισμικού με την AI
- Βασικά οφέλη και προκλήσεις της AI στην QA
Δεδομένα και Βασικά ML για Δοκιμαστές
- Κατανόηση δομημένων έναντι αδομημένων δεδομένων
- Χαρακτηριστικά, ετικέτες και σύνολα δεδομένων εκπαίδευσης
- Εκπαίδευση με επιτήρηση και χωρίς επιτήρηση
- Εισαγωγή στην αξιολόγηση μοντέλων (ακρίβεια, ακρίβεια, ανακάλυψη, κ.λπ.)
- Σύνολα δεδομένων QA σε πραγματικούς κόσμους
Εφαρμογές AI στην QA
- Δημιουργία περιπτώσεων δοκιμών με AI
- Πρόβλεψη ελαττωμάτων με χρήση ML
- Κατανομή προτεραιοτήτων στις δοκιμές και δοκιμές βασισμένες σε κινδύνους
- Οπτικές δοκιμές με χρήση υπολογιστικής οπτικής
- Ανάλυση αρχείων καταγραφής και ανίχνευση ανωμαλιών
- Επεξεργασία Φυσικής Γλώσσας (NLP) για σενάρια δοκιμών
Εργαλεία AI για QA
- Επισκόπηση πλατφορμών QA με δυνατότητα AI
- Χρήση βιβλιοθηκών ανοιχτού κώδικα (π.χ., Python, Scikit-learn, TensorFlow, Keras) για πρωτότυπα QA
- Εισαγωγή σε LLMs στην αυτοματοποίηση δοκιμών
- Δημιουργία ενός απλού μοντέλου AI για την πρόβλεψη αποτυχιών δοκιμών
Ενσωμάτωση της AI στις Ροές Εργασίας QA
- Αξιολόγηση της έτοιμότητας της AI στις διαδικασίες σας QA
- Συνεχής ενσωμάτωση και AI: Πώς να ενσωματώσετε τη νοημοσύνη σε γραμμές συναρμολόγησης CI/CD
- Σχεδιασμός έξυπνων συλλογών δοκιμών
- Διαχείριση μετακίνησης μοντέλων AI και κύκλων επαναεκπαίδευσης
- Ηθικές σκέψεις στις δοκιμές με βάση την AI
Πρακτικά Εργαστήρια και Υποχρεωτικό Έργο
- Εργαστήριο 1: Αυτοματοποίηση της δημιουργίας περιπτώσεων δοκιμών με χρήση AI
- Εργαστήριο 2: Δημιουργία μοντέλου πρόβλεψης ελαττωμάτων με χρήση ιστορικών δεδομένων δοκιμών
- Εργαστήριο 3: Χρήση LLM για την αξιολόγηση και βελτιστοποίηση σεναρίων δοκιμών
- Υποχρεωτικό Έργο: Υλοποίηση άκρο-προς-άκρο μιας γραμμής δοκιμών με βάση την AI
Απαιτήσεις
Απαιτείται οι συμμετέχοντες να έχουν:
- 2+ έτη εμπειρίας σε ρόλους δοκιμής/QA λογισμικού
- Οικειότητα με εργαλεία αυτοματοποίησης δοκιμών (π.χ., Selenium, JUnit, Cypress)
- Βασικές γνώσεις προγραμματισμού (κατά προτίμηση σε Python ή JavaScript)
- Εμπειρία με εργαλεία ελέγχου εκδόσεων και CI/CD (π.χ., Git, Jenkins)
- Δεν απαιτείται προηγούμενη εμπειρία σε AI/ML, ωστόσο η περιέργεια και η διάθεση να πειραματιστούν είναι απαραίτητες
Σχόλια (1)
Το πιο σημαντικό συμπέρασμα ήταν η απόκτηση δεξιοτήτων στην αποτελεσματική χρήση της Τεχνητής Νοημοσύνης για τη βελτίωση των δραστηριοτήτων ελέγχου (testing), ειδικότερα μέσω βελτιωμένης τεχνικής σύνταξης εντολών (prompt engineering), AI agents, RAG και ανάλυσης ελέγχου με υποστήριξη AI.
Tallada Vijayakumar - Advantest Europe GmbH
Κομμάτι - AI Enablement Training Program for Software QA Engineers
Μηχανική Μετάφραση
