문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
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
기계 번역됨
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
기계 번역됨
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.
