課程簡介

模塊1:AI在QA中的介紹

  • 什麼是人工智能?
  • 機器學習 vs 深度學習 vs 基於規則的系統
  • AI在軟件測試中的演變
  • AI在QA中的關鍵優勢和挑戰

模塊2:測試人員的數據和ML基礎

  • 理解結構化與非結構化數據
  • 特徵、標籤和訓練數據集
  • 監督學習與無監督學習
  • 模型評估簡介(準確率、精確率、召回率等)
  • 現實中的QA數據集

模塊3:AI在QA中的用例

  • AI驅動的測試用例生成
  • 使用機器學習進行缺陷預測
  • 測試優先級和基於風險的測試
  • 計算機視覺在視覺測試中的應用
  • 日誌分析和異常檢測
  • 自然語言處理(NLP)在測試腳本中的應用

模塊4:QA中的AI工具

  • AI驅動的QA平臺概述
  • 使用開源庫(如Python、Scikit-learn、TensorFlow、Keras)進行QA原型設計
  • LLM在測試自動化中的介紹
  • 構建簡單的AI模型以預測測試失敗

模塊5:將AI集成到QA工作流程中

  • 評估QA流程的AI準備情況
  • 持續集成與AI:如何將智能嵌入CI/CD管道
  • 設計智能測試套件
  • 管理AI模型漂移和再訓練週期
  • AI驅動測試中的倫理考量

模塊6:實踐實驗與畢業項目

  • 實驗1:使用AI自動化測試用例生成
  • 實驗2:使用歷史測試數據構建缺陷預測模型
  • 實驗3:使用LLM審查和優化測試腳本
  • 畢業項目:端到端實施AI驅動的測試管道

 

最低要求

學員應具備:

  • 2年以上軟件測試/QA工作經驗
  • 熟悉測試自動化工具(如Selenium、JUnit、Cypress)
  • 具備基本的編程知識(最好是Python或JavaScript)
  • 具備版本控制和CI/CD工具的使用經驗(如Git、Jenkins)
  • 不需要具備AI/ML經驗,但需要有好奇心和實驗精神
 21 時間:

人數


每位參與者的報價

客戶評論 (5)

即將到來的課程

課程分類