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
- 測試與 QA 領域中 AI 能力概觀。
- 現代測試流程中使用的 AI 工具類型。
- AI 驅動品質工程的優勢與風險。
使用 LLMs 生成測試案例
- 透過提示工程生成單元測試與功能測試。
- 建立參數化及數據驅動的測試模板。
- 將使用者故事與需求轉換為測試腳本。
探索性測試與邊界情況測試中的 AI
- 利用 AI 識別未測試的分支或條件。
- 模擬罕見或非正常使用情境。
- 基於風險的測試生成策略。
自動化的 UI 與回歸測試
- 使用 Testim 或 mabl 等 AI 工具建立 UI 測試。
- 透過自我修復選擇器(Self-healing selectors)維持 UI 測試的穩定性。
- 在程式碼變更後進行基於 AI 的回歸影響分析。
失敗分析與測試最佳化
- 使用 LLM 或 ML 模型對測試失敗進行聚類。
- 減少不穩定(Flaky)測試執行與警報疲勞。
- 根據歷史數據洞察優先排序測試執行。
CI/CD 流程整合
- 在 Jenkins、GitHub Actions 或 GitLab CI 中嵌入 AI 測試生成。
- 在拉取請求(Pull Requests)期間驗證測試品質。
- 在流程中執行自動化回滾與智慧測試閘門(Smart test gating)。
未來趨勢與 QA 中 AI 的責任使用
- 評估 AI 生成測試的精確度與安全性。
- AI 增強測試流程的治理與審計追蹤。
- AI-QA 平台與智慧觀察性(Intelligent observability)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 自動化的經驗。
- 熟悉 JUnit、PyTest 或 Selenium 等測試架構。
- 對 CI/CD 流程及 DevOps 環境有基本的理解。
目標受眾
- QA 工程師。
- 軟體測試開發工程師(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