문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
모듈 1: QA를 위한 인공지능 입문
- 인공지능이란 무엇인가?
- 머신러닝, 딥러닝 및 규칙 기반 시스템의 차이점
- 소프트웨어 테스트 분야에서 인공지능의 발전 과정
- QA 분야에서 AI 활용 시 장점 및 어려움
모듈 2: 테스터를 위한 데이터 및 머신러닝 기초
- 구조화된 데이터와 비구조화된 데이터의 차이점
- 특징, 레이블 및 훈련용 데이터셋에 대한 이해
- 지도학습과 비지도학습의 개념
- 모델 평가 기준(정확도, 정밀도, 재현율 등) 소개
- 실제 QA 분야에서 사용되는 데이터셋 사례
모듈 3: QA 분야의 AI 활용 사례
- AI 기반 테스트 케이스 생성 방법
- 머신러닝을 이용한 결함 예측 기술
- 테스트 우선순위 설정 및 위험 기반 테스트 전략
- 컴퓨터 비전을 활용한 시각적 테스트 방법
- 로그 분석과 이상 현상 탐지 기법
- 테스트 스크립트 작성을 위한 자연어 처리(NLP) 활용법
모듈 4: QA를 위한 AI 도구들
- AI 기능을 갖춘 주요 QA 플랫폼 개요
- Python, Scikit-learn, TensorFlow, Keras와 같은 오픈소스 라이브러리를 활용한 QA 프로토타입 개발
- 테스트 자동화 분야에서 대규모 언어 모델(LLM)의 활용 가능성 소개
- 테스트 실패 예측을 위한 간단한 AI 모델 구축 방법
모듈 5: QA 워크플로우에 AI 통합하기
- 현재 QA 프로세스가 AI 도입에 적합한지 평가하는 방법
- CI/CD 파이프라인에 지능형 기능을 통합하는 방안
- 지능형 테스트 세트 설계 기법
- AI 모델의 성능 변화 및 재훈련 주기 관리 방법
- 인공지능 활용 시 고려해야 할 윤리적 문제들
모듈 6: 실습 및 최종 프로젝트
- 실습 1: AI를 활용한 테스트 케이스 자동 생성
- 실습 2: 과거 테스트 데이터 기반의 결함 예측 모델 구축
- 실습 3: 대규모 언어 모델을 활용해 테스트 스크립트 검토 및 최적화하기
- 최종 프로젝트: 전체 과정이 포함된 AI 기반 테스트 파이프라인 구현
요건
참가자는 다음 조건들을 충족해야 합니다:
- 소프트웨어 테스트 또는 QA 분야에서 2년 이상의 경력
- Selenium, JUnit, Cypress 등 테스트 자동화 도구에 대한 기본적인 지식
- Python 또는 JavaScript를 비롯한 프로그래밍 언어에 대한 기초 지식
- Git, Jenkins 등 버전 관리 및 CI/CD 도구 활용 경험
- 인공지능 및 머신러닝 관련 사전 지식은 필수가 아니나, 호기심과 실험적 태도가 요구됩니다.
21 시간
회원 평가 (3)
포스트맨의 가능성과 향후 활용 방안
Gordana Gacic - SEE Digital D.O.O.
코스 - API Testing with Postman
기계 번역됨
실습을 통해 정보를 더 쉽게 기억할 수 있습니다.
ashley bolen - Insurance Corporation of British Columbia
코스 - Test Automation with Selenium
기계 번역됨
Key topics can be discussed and agreed upon with the trainer in advance. Relaxed and pleasant atmosphere during the seminar days.
