聯繫我們
 課程時長 21 時間:

課程簡介

面向QA的人工智能簡介

  • 什麼是人工智能?
  • 機器學習、深度學習與基於規則的系統之比較
  • AI驅動的軟體測試演進
  • AI在QA中的主要優勢與挑戰

測試人員的數據與機器學習基礎

  • 理解結構化與非結構化數據
  • 特徵、標籤與訓練數據集
  • 監督式與非監督式學習
  • 模型評估入門(準確度、精確度、召回率等)
  • 實際應用中的QA數據集

AI在QA中的應用場景

  • AI驅動的測試案例生成
  • 使用機器學習進行缺陷預測
  • 測試優先級排序與風險基礎測試
  • 結合電腦視覺的視覺測試
  • 日誌分析與異常偵測
  • 用於測試腳本的自然語言處理(NLP)

面向QA的AI工具

  • AI啟用的QA平台概覽
  • 使用開源程式庫(如Python、Scikit-learn、TensorFlow、Keras)建立QA原型
  • LLM在測試自動化中的入門介紹
  • 建立簡單AI模型以預測測試失敗

將AI整合至QA工作流程

  • 評估QA流程對AI的就緒程度
  • 持續整合與AI:如何在CI/CD管道中嵌入智能
  • 設計智能測試套件
  • 管理AI模型漂移與再訓練週期
  • AI驅動測試中的倫理考量

實作實驗與綜合專案

  • 實驗1:使用AI自動化測試案例生成
  • 實驗2:利用歷史測試數據建立缺陷預測模型
  • 實驗3:使用LLM檢視並優化測試腳本
  • 綜合專案:端到端實施AI驅動的測試管道

最低要求

預計參與者應具備以下條件:

  • 2年以上軟體測試/QA相關經驗
  • 熟悉測試自動化工具(例如Selenium、JUnit、Cypress)
  • 具備基礎程式設計知識(建議使用Python或JavaScript)
  • 有版本控制與CI/CD工具經驗(例如Git、Jenkins)
  • 無需具備先前的AI/ML經驗,但好奇心與實驗意願為必要條件

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類