Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
모듈 1: QA를 위한 AI 소개
- 인공지능이란 무엇인가?
- Machine Learning vs Deep Learning vs 규칙 기반 시스템
- AI를 통해 소프트웨어 테스트의 진화
- QA에서 AI의 주요 이점과 도전 과제
모듈 2: 테스터를 위한 데이터 및 ML 기본 개념
- 구조화된 데이터 vs 비구조화된 데이터 이해
- 특성, 레이블 및 학습 데이터셋
- 지도 학습 및 비지도 학습
- 모델 평가 소개(정확도, 정밀도, 재현율 등)
- 실제 QA 데이터셋
모듈 3: QA에서의 AI Use Case
- AI 기반 테스트 케이스 생성
- ML을 사용한 결함 예측
- 테스트 우선순위 지정 및 위험 기반 테스트
- 컴퓨터 비전을 통한 시각 테스트
- 로그 분석 및 이상 탐지
- 테스트 스크립트용 자연어 처리(NLP)
모듈 4: QA용 AI 도구
- AI 활성화 QA 플랫폼 개요
- QA 프로토타입을 위한 오픈 소스 라이브러리 사용 (예: Python, Scikit-learn, TensorFlow, Keras)
- 테스트 자동화에서 LLMs 소개
- 테스트 실패를 예측하기 위한 간단한 AI 모델 구축
모듈 5: AI를 QA 워크플로우에 통합
- QA 프로세스의 AI 준비 상태 평가
- 지속적 통합 및 AI: CI/CD 파이프라인에 지능을 포함하는 방법
- 지능형 테스트 스위트 설계
- AI 모델의 드리프트 관리 및 재학습 주기
- AI 기반 테스트의 윤리적 고려사항
모듈 6: 실습 랩 및 종합 프로젝트
- 랩 1: AI를 사용하여 테스트 케이스 생성 자동화
- 랩 2: 역사적 테스트 데이터를 사용하여 결함 예측 모델 구축
- 랩 3: LLM을 사용하여 테스트 스크립트 검토 및 최적화
- 종합 프로젝트: AI 기반 테스트 파이프라인의 종합 구현
Requirements
참여자는 다음을 갖추고 있어야 합니다:
- 소프트웨어 테스팅/품질 보증(QA) 역할에서 2년 이상의 경험
- 테스트 자동화 도구(Selenium, JUnit, Cypress 등)에 대한 익숙함
- 기본적인 프로그래밍 지식(Python 또는 JavaScript가 선호됨)
- 버전 관리 및 CI/CD 도구(Git, Jenkins 등)에 대한 경험
- AI/ML 경험은 필요 없지만, 호기심과 실험 의지는 필수적입니다.
21 Hours
회원 평가 (5)
가르치는 방법
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Course - SoapUI for API Testing
Machine Translated
나는 모든 것이 나에게 새로운 것이기 때문에 모든 것을 즐겼고 그것이 내 작업에 울릴 수 있는 부가가치를 볼 수 있었습니다.
Zareef - BMW South Africa
Course - Tosca: Model-Based Testing for Complex Systems
Machine Translated
Very broad overview of the subject matter that ran through all the prerequisite knowledge in ways appropriate to the course knowledge.
James Hurburgh - Queensland Police Service
Course - SpecFlow: Implementing BDD for .NET
It was easy to understand and to implement.
Thomas Young - Canadian Food Inspection Agency
Course - Robot Framework: Keyword Driven Acceptance Testing
Amount of hands-on excersises.
