코스 개요

모듈 1: QA를 위한 AI 소개

  • 인공지능이란 무엇인가?
  • 머신러닝 vs 딥러닝 vs 규칙 기반 시스템
  • AI와 함께하는 소프트웨어 테스트의 발전
  • QA에서의 AI의 주요 이점과 도전 과제

모듈 2: 테스터를 위한 데이터와 ML 기초

  • 구조화된 데이터 vs 비구조화된 데이터 이해
  • 특성, 라벨, 학습 데이터셋
  • 감독학습과 비감독학습
  • 모델 평가 (정확도, 정밀도, 재현율 등) 소개
  • 실제 QA 데이터셋

모듈 3: QA에서의 AI 활용 사례

  • AI 기반 테스트 케이스 생성
  • ML을 사용한 결함 예측
  • 테스트 우선순위 설정 및 위험 기반 테스트
  • 컴퓨터 비전을 이용한 시각적 테스팅
  • 로그 분석 및 이상 감지
  • NLP를 사용한 테스트 스크립트

모듈 4: QA를 위한 AI 도구

  • AI 기반 QA 플랫폼 개요
  • 오픈 소스 라이브러리 (예: Python, Scikit-learn, TensorFlow, Keras)를 활용한 QA 프로토타입 생성
  • 테스트 자동화에서 LLM 소개
  • 간단한 AI 모델을 구축하여 테스트 실패를 예측하기

모듈 5: QA 워크플로우에 AI 통합

  • QA 프로세스의 AI 적용 여부 평가
  • CI/CD와 AI: CI/CD 파이프라인에 지능을 통합하는 방법
  • 지능형 테스트 스위트 설계
  • AI 모델의 편향과 재훈련 주기 관리
  • AI 기반 테스팅에서의 윤리적 고려사항

모듈 6: 실습 및 캡스톤 프로젝트

  • 실습 1: AI를 활용한 테스트 케이스 생성 자동화
  • 실습 2: 과거 테스트 데이터를 사용하여 결함 예측 모델 구축
  • 실습 3: LLM을 활용한 테스트 스크립트 검토 및 최적화
  • 캡스톤: AI 기반 테스트 파이프라인의 end-to-end 구현

 

요건

참가자는 다음과 같은 조건을 충족해야 합니다:

  • 2년 이상의 소프트웨어 테스트/QA 역할 경험
  • 테스트 자동화 도구 (예: Selenium, JUnit, Cypress)에 대한 친숙함
  • 프로그래밍 (이상적으로 Python 또는 JavaScript)에 대한 기본 지식
  • 버전 관리 및 CI/CD 도구 (예: Git, Jenkins) 사용 경험
  • AI/ML 경험이 필수는 아니지만, 호기심과 실험의 의지는 필수적입니다.
 21 시간

참가자 수


참가자당 가격

회원 평가 (5)

예정된 코스

관련 카테고리