Βασικές Αρχές του QA και Σύγχρονος Έλεγχος με Τεχνητή Νοημοσύνη (Προετοιμασία για το ISTQB Foundation) Κομμάτι εκπαίδευσης

Μάθημα 1: Θεμέλια της Διασφάλισης Ποιότητας και του Τεστ

• Ορισμός της ποιότητας, της διασφάλισης ποιότητας και του τεστ
• Οι επτά αρχές του τεστ (ISTQB CTFL v4.0)
• Τεστ vs αποσφαλμάτωση vs ποιότητα ελέγχου
• Η ψυχολογία του τεστ
• Ρόλοι και ευθύνες σε μια ομάδα QA

Μάθημα 2: Κύκλος Ζωής Ανάπτυξης Λογισμικού και Τεστ

• Φάσεις του Κύκλου Ζωής Τεστ Λογισμικού (STLC)
• Προσεγγίσεις τεστ Waterfall, Agile, DevOps και CI/CD
• Επίπεδα τεστ: μονάδας, ολοκλήρωσης, συστήματος, αποδοχής
• Στρατηγικές shift-left και shift-right στο τεστ
• Ιχνηλασιμότητα μεταξύ απαιτήσεων και test cases

Μάθημα 3: Στατικές Τεχνικές Τεστ

• Αναθεωρήσεις, walkthroughs και επιθεωρήσεις
• Στατική ανάλυση χρησιμοποιώντας αυτοματοποιημένα εργαλεία
• Βασισμένη σε checklist και βασισμένη σε ρόλο επισκόπηση
• Φόρμες τεχνικές επισκόπησης και ανεπίσημες τεχνικές επισκόπησης
• Ενσωμάτωση στατικής τεστ στα Agile workflows

Μάθημα 4: Τεχνικές Τεστ

• Τεχνικές black-box: ομοτιμία διαμερισματοποίησης, ανάλυση οριακών τιμών
• Τεστ πίνακα αποφάσεων και τεστ μετάβασης κατάστασης
• Τεστ χρέωσης περίπτωσης χρήσης και εξερευνητικό τεστ
• Τεχνικές white-box: κάλυψη εντολών και αποφάσεων
• Εμπειρικές τεχνικές και εκτίμηση σφαλμάτων

Μάθημα 5: Διαχείριση Σφαλμάτων

• Κύκλος ζωής σφάλματος: εντοπισμός, αναφορά, triage, επίλυση, κλείσιμο
• Σύνταξη αποτελεσματικών αναφορών σφαλμάτων με JIRA
• Τάξη και προτεραιότητα ταξινόμηση σφαλμάτων
• Τεχνικές ανάλυσης ρίζας αιτιότητας
• Μετρικές σφαλμάτων και ανάλυση τάσεων

Μάθημα 6: Διαχείριση Τεστ και Τεστ Βασισμένο σε Κίνδυνο

• Σχεδιασμός τεστ και μέθοδοι εκτίμησης
• Εντοπισμός, αξιολόγηση και μετριασμός κινδύνου
• Παρακολούθηση, έλεγχος και αναφορά τεστ
• Ορισμός κριτηίων ολοκλήρωσης τεστ και προϋποθέσεων εξόδου
• Τεκμηρίωση στρατηγικής τεστ και πολιτική τεστ σύμφωνη με ISTQB

Μάθημα 7: Εργαλεία Τεστ και Θεμέλια Αυτοματισμού

• Ταξινόμηση εργαλείων τεστ (κατηγορίες εργαλείων ISTQB)
• Οφέλη και κίνδυνοι του αυτοματισμού τεστ
• Επιλογή εργαλείων: ανοιχτού κώδικα έναντι εμπορικών λύσεων
• Εισαγωγή στα Selenium, Playwright και Cypress
• Δημιουργία μιας βασικής αυτόματης δεσμής τεστ

Μάθημα 8: Εισαγωγή στην AI στη Διασφάλιση Ποιότητας

• Έννοιες AI και μηχανικής μάθησης για testers
• Ταξινόμηση: AI για τεστ vs τεστ συστημάτων AI
• Τρέχον τοπίο τεστ AI: ευκαιρίες και περιορισμοί
• Χαρακτηριστικά ποιότητας για συστήματα βασισμένα σε AI
• Επισκόπηση και σχετικότητα του syllabus ISTQB CT-AI

Μάθημα 9: Δημιουργία Test Case Υποστηριζόμενη από AI

• Χρήση LLMs (ChatGPT, Claude, Copilot) για σύνταξη test cases
• Τεχνικές prompt engineering για τη δημιουργία σενάριων τεστ
• Μετατροπή user stories και κριτηρίων αποδοχής σε test cases
• Ανασκόπηση και επικύρωση test cases που παράγονται από AI
• Πλατφόρμες: Testim, Mabl και εργαλεία γεννήσεως τεστ native AI

Μάθημα 10: Αυτοματισμός Τεστ Υποστηριζόμενος από AI

• Αυτοματισμός τεστ με αυτο-θεραπευτική ικανότητα με Katalon Studio AI
• Αναγνώριση αντικειμένου και εντοπισμός στοιχείου driven από AI
• Οπτικό τεστ παλινδρόμησης με Applitools Eyes
• Selenium με πρόσθετα AI για ανθεκτικό αυτοματισμό
• Μείωση κόστους συντήρησης με έυκολους εντοπιστές

Μάθημα 11: AI για Πρόβλεψη και Ανάλυση Σφαλμάτων

• Προβλεπτική επιλογή τεστ με Launchable και Sealights
• Σμήνη αποτυχίας και ανίχνευση ανωμαλιών με ReportPortal
• Αυτοματοποιημένη ανάλυση ρίζας αιτιότητας
• Αξιολόγηση κινδύνου ποιότητας και ανάλυση κενών τεστ
• Χρήση ιστορικών δεδομένων σφαλμάτων για την προτεραιοποίηση του τεστ

Μάθημα 12: Αξιολόγηση Εργαλείων AI και Ενσωμάτωση CI/CD

• Κριτήρια αξιολόγησης εργαλείων τεστ AI
• Ανάλυση ROI και στρατηγική υιοθέτησης
• Ενσωμάτωση εργαλείων τεστ AI σε Jenkins, GitHub Actions, GitLab CI
• Σχεδιασμός pipeline: πότε και πού να τρέξετε τεστ με βάση AI
• Μέτρηση της αποτελεσματικότητας του τεστ AI με μετρικές

Μάθημα 13: Ηθικές Εφαρμογές στο Τεστ Μεθόδων

• Προκατάληψη και δικαιοσύνη στα δεδομένα τεστ που παράγονται από AI
• Ανησυχίες για την ιδιωτικότητα κατά τη χρήση cloud-based εργαλείων AI
• Διαφάνεια και ερμηνεία των αποφάσεων τεστ AI
• Προσεγγισμός και συμμόρφωση
• Υπεύθυνες πρακτικές AI για ομάδες QA

Μάθημα 14: Προετοιμασία για Εξεταστικό Πρωτόκολλο ISTQB CTFL

• Δομή, διάρκεια και βαθμολόγηση εξετάσεων CTFL v4.0
• Τύποι ερωτήσεων και στρατηγικές απάντησης
• Κατανομή βάρους θεμάτων στα κεφάλαια syllabus CTFL
• Δοκιμαστικό εξεταστικό πρωτόκολλο με δείγματα ερωτήσεων τύπου ISTQB
• Χάρτης μελέτης και προτεινόμενοι πόροι

Μάθημα 15: Capstone: Πληρέστατη Διεργασία Τεστ Ενισχυμένη από AI

• Σχεδιασμός test cases από ένα δείγμα έγγραφου απαιτήσεων
• Χρήση AI για τη δημιουργία και βελτίωση σενάριων τεστ
• Αυτοματοποίηση επιλεγμένων τεστ με αυτο-θεραπευτικά εργαλεία
• Αναφορά σφαλμάτων και εκτέλεση ανάλυσης ρίζας αιτιότητας υποστηριζόμενη από AI
• Αντανάκλαση: ενσωμάτωση της AI στην καθημερινή πρακτική QA