문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
기간 21 시간
코스 개요
QA를 위한 AI 입문
- 인공지능이란 무엇인가?
- 기계 학습, 딥 러닝, 규칙 기반 시스템의 비교
- AI를 통한 소프트웨어 테스트의 발전
- QA에서 AI의 주요 이점과 도전 과제
테스터를 위한 데이터 및 ML 기초
- 구조화 데이터와 비구조화 데이터 이해
- 피처, 레이블, 학습 데이터셋 이해
- 지도 학습과 비지도 학습
- 모델 평가 기초 (정확도, 정밀도, 재현율 등)
- 실전 QA 데이터셋 분석
QA에서의 AI 활용 사례
- AI 기반 테스트 케이스 생성
- ML을 이용한 결함 예측
- 테스트 우선순위 설정 및 리스크 기반 테스트
- 컴퓨터 비전을 활용한 시각적 테스트
- 로그 분석 및 이상 징후 감지
- 테스트 스크립트를 위한 자연어 처리(NLP) 적용
QA를 위한 AI 도구
- AI 기반 QA 플랫폼 개요
- QA 프로토타입을 위한 오픈소스 라이브러리 활용 (예: Python, Scikit-learn, TensorFlow, Keras)
- 테스트 자동화에서의 LLM 소개
- 테스트 실패를 예측하는 간단한 AI 모델 구축
QA 워크플로에 AI 통합
- QA 프로세스의 AI 준비 상태 평가
- 연속 통합(CI)과 AI: CI/CD 파이프라인에 지능을 부여하는 방법
- 지능형 테스트 스위트 설계
- AI 모델 드리프트 관리 및 재학습 사이클 관리
- AI 기반 테스트의 윤리적 고려 사항
실습 랩 및 캡스톤 프로젝트
- 랩 1: AI를 이용한 테스트 케이스 생성 자동화
- 랩 2: 과거 테스트 데이터를 활용한 결함 예측 모델 구축
- 랩 3: LLM을 활용한 테스트 스크립트 검토 및 최적화
- 캡스톤: AI 기반 테스트 파이프라인의 엔드투엔드 구현
요건
참가자는 다음 사항들을 갖추고 있어야 합니다:
- 소프트웨어 테스트/QA 업무 경력 2년 이상
- 테스트 자동화 도구에 대한 숙지 (예: Selenium, JUnit, Cypress)
- 프로그래밍 기초 지식 (Python 또는 JavaScript 권장)
- 버전 관리 및 CI/CD 도구 사용 경험 (예: Git, Jenkins)
- AI/ML 사전 경험은 필수적이지 않으나, 호기심과 실험 의지는 필수입니다
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.
