Βασικές αρχές Διασφάλισης Ποιότητας και Σύγχρονων Δοκιμών με Τεχνητή Νοημοσύνη (Προετοιμασία για το ISTQB Foundation) Κομμάτι εκπαίδευσης

Θεμελιώδεις Αρχές Διασφάλισης Ποιότητας και Δοκιμών

• Ορισμός ποιότητας, διασφάλισης ποιότητας και δοκιμών
• Οι επτά αρχές δοκιμών (ISTQB CTFL v4.0)
• Δοκιμή vs. αποσφαλμάτωση vs. έλεγχος ποιότητας
• Η ψυχολογία των δοκιμών
• Ρόλοι και αρμοδιότητες σε μια ομάδα Διασφάλισης Ποιότητας

Κύκλος Ζωής Ανάπτυξης Λογισμικού και Δοκιμές

• Φάσεις του Κύκλου Ζωής Δοκιμών Λογισμικού (STLC)
• Προσεγγίσεις δοκιμών σε Waterfall, Agile, DevOps και CI/CD
• Επίπεδα δοκιμών: μονάδας, ενσωμάτωσης, συστήματος, αποδοχής
• Στρατηγικές μετατόπισης δοκιμών αριστερά (shift-left) και δεξιά (shift-right)
• Ιχνηλασιμότητα μεταξύ απαιτήσεων και σεναρίων δοκιμών

Τεχνικές Στατικών Δοκιμών

• Επισκοπήσεις, περιηγήσεις και επιθεωρήσεις
• Στατική ανάλυση με χρήση αυτοματοποιημένων εργαλείων
• Επισκόπηση βάσει λιστών ελέγχου και βάσει ρόλων
• Τυπικές και άτυπες τεχνικές επισκόπησης
• Ενσωμάτωση στατικών δοκιμών σε ροές εργασίας Agile

Τεχνικές Δοκιμών

• Τεχνικές μαύρου κουτιού: διαμερισμός ισοδυναμίας, ανάλυση οριακών τιμών
• Δοκιμές πινάκων αποφάσεων και δοκιμές μετάβασης καταστάσεων
• Δοκιμές περιπτώσεων χρήσης και διερευνητικές δοκιμές
• Τεχνικές λευκού κουτιού: κάλυψη εντολών και αποφάσεων
• Τεχνικές βασισμένες στην εμπειρία και εικασία σφαλμάτων

Διαχείριση Ελαττωμάτων

• Κύκλος ζωής ελαττώματος: εντοπισμός, αναφορά, διαλογή, επίλυση, κλείσιμο
• Σύνταξη αποτελεσματικών αναφορών ελαττωμάτων με το JIRA
• Ταξινόμηση σοβαρότητας vs. προτεραιότητας ελαττωμάτων
• Τεχνικές ανάλυσης βαθύτερων αιτίων
• Μετρικές ελαττωμάτων και ανάλυση τάσεων

Διαχείριση Δοκιμών και Δοκιμές βάσει Κινδύνου

• Μέθοδοι σχεδιασμού και εκτίμησης δοκιμών
• Αναγνώριση, αξιολόγηση και μετριασμός κινδύνων
• Παρακολούθηση, έλεγχος και αναφορά δοκιμών
• Καθορισμός κριτηρίων ολοκλήρωσης δοκιμών και συνθηκών εξόδου
• Έγγραφα στρατηγικής και πολιτικής δοκιμών ευθυγραμμισμένα με το ISTQB

Εργαλεία Δοκιμών και Βασικές Αρχές Αυτοματοποίησης

• Ταξινόμηση εργαλείων δοκιμών (κατηγορίες εργαλείων ISTQB)
• Οφέλη και κίνδυνοι της αυτοματοποίησης δοκιμών
• Επιλογή εργαλείων: λύσεις ανοιχτού κώδικα vs. εμπορικές λύσεις
• Εισαγωγή στα Selenium, Playwright και Cypress
• Δημιουργία μιας βασικής αυτοματοποιημένης σουίτας δοκιμών

Εισαγωγή στην Τεχνητή Νοημοσύνη στη Διασφάλιση Ποιότητας

• Έννοιες Τεχνητής Νοημοσύνης και μηχανικής μάθησης για δοκιμαστές
• Ταξινόμηση: Τεχνητή Νοημοσύνη για δοκιμές vs. δοκιμές συστημάτων Τεχνητής Νοημοσύνης
• Το τρέχον τοπίο δοκιμών με Τεχνητή Νοημοσύνη: ευκαιρίες και περιορισμοί
• Χαρακτηριστικά ποιότητας για συστήματα βασισμένα στην Τεχνητή Νοημοσύνη
• Επισκόπηση ύλης ISTQB CT-AI και συνάφεια

Δημιουργία Σεναρίων Δοκιμών με Υποβοήθηση Τεχνητής Νοημοσύνης

• Χρήση μεγάλων γλωσσικών μοντέλων (ChatGPT, Claude, Copilot) για τη σύνταξη σεναρίων δοκιμών
• Τεχνικές μηχανικής προτροπών για τη δημιουργία σεναρίων δοκιμών
• Μετατροπή ιστοριών χρήστη και κριτηρίων αποδοχής σε σενάρια δοκιμών
• Επισκόπηση και επικύρωση σεναρίων δοκιμών που δημιουργήθηκαν από Τεχνητή Νοημοσύνη
• Πλατφόρμες: Testim, Mabl και εργαλεία δημιουργίας δοκιμών εγγενώς βασισμένα στην Τεχνητή Νοημοσύνη

Αυτοματοποίηση Δοκιμών με Υποβοήθηση Τεχνητής Νοημοσύνης

• Αυτοθεραπευόμενη αυτοματοποίηση δοκιμών με το Katalon Studio AI
• Αναγνώριση αντικειμένων και εντοπισμός στοιχείων με υποβοήθηση Τεχνητής Νοημοσύνης
• Δοκιμές οπτικής παλινδρόμησης με το Applitools Eyes
• Selenium με πρόσθετα Τεχνητής Νοημοσύνης για ανθεκτική αυτοματοποίηση
• Μείωση επιβάρυνσης συντήρησης με έξυπνους εντοπιστές

Τεχνητή Νοημοσύνη για Πρόβλεψη και Ανάλυση Ελαττωμάτων

• Προγνωστική επιλογή δοκιμών με τα Launchable και Sealights
• Ομαδοποίηση αποτυχιών και ανίχνευση ανωμαλιών με το ReportPortal
• Ανάλυση βαθύτερων αιτίων με υποβοήθηση Τεχνητής Νοημοσύνης
• Βαθμολόγηση κινδύνου ποιότητας και αναλυτικά στοιχεία κενών δοκιμών
• Χρήση ιστορικών δεδομένων ελαττωμάτων για την ιεράρχηση δοκιμών

Αξιολόγηση Εργαλείων Τεχνητής Νοημοσύνης και Ενσωμάτωση CI/CD

• Κριτήρια για την αξιολόγηση εργαλείων δοκιμών Τεχνητής Νοημοσύνης
• Ανάλυση απόδοσης επένδυσης (ROI) και στρατηγική υιοθέτησης
• Ενσωμάτωση εργαλείων δοκιμών Τεχνητής Νοημοσύνης σε Jenkins, GitHub Actions, GitLab CI
• Σχεδιασμός pipeline: πότε και πού να εκτελούνται δοκιμές με υποβοήθηση Τεχνητής Νοημοσύνης
• Μέτρηση αποτελεσματικότητας δοκιμών με Τεχνητή Νοημοσύνη με χρήση μετρικών

Ηθικές Θεωρήσεις στις Δοκιμές με Υποβοήθηση Τεχνητής Νοημοσύνης

• Μεροληψία και δικαιοσύνη σε δεδομένα δοκιμών που δημιουργούνται από Τεχνητή Νοημοσύνη
• Ζητήματα απορρήτου κατά τη χρήση εργαλείων Τεχνητής Νοημοσύνης που βασίζονται στο cloud
• Διαφάνεια και επεξηγησιμότητα αποφάσεων δοκιμών με Τεχνητή Νοημοσύνη
• Θεωρήσεις διακυβέρνησης και συμμόρφωσης
• Υπεύθυνες πρακτικές Τεχνητής Νοημοσύνης για ομάδες Διασφάλισης Ποιότητας

Προετοιμασία για τις Εξετάσεις ISTQB CTFL

• Δομή, διάρκεια και βαθμολόγηση εξετάσεων CTFL v4.0
• Τύποι ερωτήσεων και στρατηγικές απάντησης
• Κατανομή βαρύτητας θεμάτων στα κεφάλαια της ύλης CTFL
• Πρακτική εξέταση με δείγματα ερωτήσεων τύπου ISTQB
• Οδικός χάρτης μελέτης και προτεινόμενοι πόροι

Τελικό Έργο (Capstone): Ροή Εργασίας Δοκιμών με Ενισχυμένη Τεχνητή Νοημοσύνη από Άκρο σε Άκρο

• Σχεδιασμός σεναρίων δοκιμών από ένα δείγμα εγγράφου απαιτήσεων
• Χρήση Τεχνητής Νοημοσύνης για τη δημιουργία και τη βελτίωση σεναρίων δοκιμών
• Αυτοματοποίηση επιλεγμένων δοκιμών με αυτοθεραπευόμενα εργαλεία
• Αναφορά ελαττωμάτων και εκτέλεση ανάλυσης βαθύτερων αιτίων με υποβοήθηση Τεχνητής Νοημοσύνης
• Αναδρομική αξιολόγηση: ενσωμάτωση της Τεχνητής Νοημοσύνης στην καθημερινή πρακτική Διασφάλισης Ποιότητας