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 21 時間:
課程簡介
QA 領域的人工智慧入門
- 什麼是人為智能?
- 機器學習、深度學習與基於規則系統的比較
- AI 對軟體測試演進的影響
- AI 在 QA 中的關鍵優勢與挑戰
測試人員的數據與 ML 基礎
- 理解結構化與非結構化數據
- 特徵(Features)、標籤(Labels)與訓練數據集
- 監督學習與非監督學習
- 模型評估入門(準確率、精確率、召回率等)
- 真實世界的 QA 數據集案例
QA 中的 AI 應用場景
- 由 AI 驅動的測試案例生成
- 使用 ML 進行缺陷預測
- 測試優先順序排序與風險驅動測試
- 結合計算機視覺的視覺化測試
- 日誌分析與異常偵測
- 利用自然語言處理(NLP)優化測試腳本
QA 中的 AI 工具
- AI 驅動 QA 平台概覽
- 使用開源函式庫(如 Python、Scikit-learn、TensorFlow、Keras)建立 QA 原型
- 大型語言模型(LLMs)在測試自動化中的應用簡介
- 建立簡單 AI 模型以預測測試失敗
將 AI 整合至 QA 工作流
- 評估 QA 流程的 AI 準備度
- 持續整合與 AI:如何在 CI/CD 管道中嵌入智能
- 設計智慧型測試套件
- 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 審視並優化測試腳本
- 綜合專案:端到端實施 AI 驅動的測試管道
最低要求
預期學員具備以下條件:
- 2 年以上軟體測試或 QA 相關職位經驗
- 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)
- 具備版本控制與 CI/CD 工具的使用經驗(例如:Git、Jenkins)
- 無須具備 AI/ML 背景經驗,但需具備好奇心及實驗精神
客戶評論 (3)
Postman的可能性及其未來用途。
Gordana Gacic - SEE Digital D.O.O.
課程 - API Testing with Postman
機器翻譯
實踐練習,更容易記住信息
ashley bolen - Insurance Corporation of British Columbia
課程 - Test Automation with Selenium
機器翻譯
關鍵主題可以提前與培訓師討論並達成一致。研討會期間氛圍輕鬆愉快。
Lorenz - Continentale Lebensversicherung AG
課程 - Advanced Selenium
機器翻譯