課程簡介

模块 1: AI 在 QA 中的介绍

  • 什么是人工智能?
  • Machine Learning vs Deep Learning vs 基于规则的系统
  • AI 在软件测试中的演变
  • AI 在 QA 中的关键优势与挑战

模块 2: 测试人员的数据与机器学习基础

  • 理解结构化与非结构化数据
  • 特征、标签与训练数据集
  • 监督学习与无监督学习
  • 模型评估简介(准确率、精确率、召回率等)
  • 现实中的 QA 数据集

模块 3: AI Use Case 在 QA 中的应用

  • AI 驱动的测试用例生成
  • 使用机器学习进行缺陷预测
  • 测试优先级与基于风险的测试
  • 使用计算机视觉进行视觉测试
  • 日志分析与异常检测
  • 使用自然语言处理(NLP)编写测试脚本

模块 4: 用于 QA 的 AI 工具

  • AI 驱动的 QA 平台概述 
  • 使用开源库(如 Python、Scikit-learn、TensorFlow、Keras)进行 QA 原型开发
  • LLM 在测试自动化中的介绍
  • 构建简单的 AI 模型以预测测试失败

模块 5: 将 AI 集成到 QA 工作流中

  • 评估 QA 流程的 AI 准备情况
  • 持续集成与 AI:如何将智能嵌入 CI/CD 管道
  • 设计智能测试套件
  • 管理 AI 模型漂移与再训练周期
  • AI 驱动测试中的伦理考量

模块 6: 实践实验与毕业项目

  • 实验 1: 使用 AI 自动化生成测试用例
  • 实验 2: 使用历史测试数据构建缺陷预测模型
  • 实验 3: 使用 LLM 审查并优化测试脚本
  • 毕业项目: 端到端实现 AI 驱动的测试管道

最低要求

參與者應具備以下條件:

  • 2年以上軟件測試/QA相關經驗
  • 熟悉測試自動化工具(例如Selenium、JUnit、Cypress)
  • 具備編程基礎知識(優先選擇Python或JavaScript)
  • 具備版本控制和CI/CD工具使用經驗(例如Git、Jenkins)
  • 無需AI/ML經驗,但需具備好奇心和實驗精神
 21 時間:

人數


每位參與者的報價

客戶評論 (5)

Upcoming Courses

課程分類