感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
軟體測試中的AI簡介
- AI在測試與QA中的能力概覽
- 現代測試流程中使用的AI工具類型
- AI驅動品質工程的優點與風險
用於測試案例生成的LLMs
- 用於生成單元與功能測試的提示詞工程
- 建立參數化與資料驅動的測試範本
- 將使用者故事與需求轉換為測試腳本
探索性與邊界案例測試中的AI
- 使用AI識別未測試的分支或條件
- 模擬罕見或異常使用情境
- 風險基礎的測試生成策略
自動化UI與回歸測試
- 使用Testim或mabl等AI工具進行UI測試建立
- 透過自我修復選擇器維持穩定的UI測試
- 程式碼變更後的AI基礎回歸影響分析
失敗分析與測試優化
- 使用LLM或ML模型集群化測試失敗
- 減少不穩定測試執行與警報疲勞
- 根據歷史洞察優先排序測試執行
CI/CD管線整合
- 在Jenkins、GitHub Actions或GitLab CI中嵌入AI測試生成
- 在拉取請求期間驗證測試品質
- 管線中的自動化回滾與智慧測試閘控
QA中AI的未來趨勢與負責任使用
- 評估AI生成測試的準確性與安全性
- AI增強測試流程的治理與稽核軌跡
- AI-QA平台與智慧可觀測性的趨勢
總結與後續步驟
最低要求
- 具備軟體測試、測試規劃或QA自動化經驗
- 熟悉測試框架,如JUnit、PyTest或Selenium
- 對CI/CD管線與DevOps環境有基本了解
目標學員
- QA工程師
- 軟體開發測試工程師(SDETs)
- 在敏捷或DevOps環境中工作的軟體測試人員
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識,我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯