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
Σχόλια (3)
πρακτικές ασκήσεις, ευκολότερη διατήρηση των πληροφοριών
ashley bolen - Insurance Corporation of British Columbia
Κομμάτι - Test Automation with Selenium
Μηχανική Μετάφραση
Οι κύριες θέματα μπορούν να συζητηθούν και να συμφωνηθούν με τον εκπαιδευτή πριν. Διαχειριστής ηρεμίας και αρεσκείας κατά τη διάρκεια των ημερών σεμινάριου.
Lorenz - Continentale Lebensversicherung AG
Κομμάτι - Advanced Selenium
Μηχανική Μετάφραση
Απέκτησα νέα γνώσεις και είμαι αρκετά βέβαιος/η γι' αυτό. Κάτι δεν είναι σαφές.
Barbara - Titian Software Poland Sp. z o.o.
Κομμάτι - Selenium WebDriver in C#
Μηχανική Μετάφραση