聯繫我們

課程簡介

模組 1:QA 的人工智慧入門

  • 什麼是人工智慧?
  • 機器學習、深度學習與基於規則系統的比較
  • AI 驅動軟體測試的演進
  • QA 中 AI 的關鍵優勢與挑戰

模組 2:測試人員的資料與 ML 基礎

  • 理解結構化資料與非結構化資料的差異。
  • 特徵、標籤和訓練數據集的概念。
  • 監督式學習與非監督式學習。
  • 模型評估簡介(準確度、精確度、召回率等)。
  • 真實世界的 QA 數據集應用。

模組 3:QA 中的 AI 應用場景

  • AI 驅動的測試用例生成。
  • 使用 ML 進行缺陷預測。
  • 測試優先級排序與風險導向測試。
  • 利用電腦視覺進行視覺測試。
  • 日誌分析與異常檢測。
  • 用於測試腳本的自然語言處理(NLP)。

模組 4:QA 的 AI 工具

  • AI 增強型 QA 平台概覽。
  • 使用開源函式庫(例如 Python、Scikit-learn、TensorFlow、Keras)開發 QA 原型。
  • 測試自動化中的大型語言模型(LLM)應用入門。
  • 構建簡單的 AI 模型以預測測試失敗。

模組 5:將 AI 整合至 QA 工作流程

  • 評估 QA 流程的 AI 準備度。
  • 持續整合與 AI:如何在 CI/CD 管線中嵌入智能技術。
  • 設計智慧測試套裝。
  • 管理 AI 模型漂移和重新訓練週期。
  • AI 驅動測試中的倫理考量。

模組 6:實作練習與最終專案

  • 實驗 1:使用 AI 自動化測試用例生成。
  • 實驗 2:利用歷史測試數據構建缺陷預測模型。
  • 實驗 3:使用 LLM 審查並優化測試腳本。
  • 最終專案:端到端實作 AI 驅動測試管線。

最低要求

參與者需具備:

  • 2 年以上軟體測試/QA 角色工作經驗。
  • 熟悉自動化測試工具(例如 Selenium、JUnit、Cypress)。
  • 具備基本程式設計知識(建議使用 Python 或 JavaScript)。
  • 具備版本控制和 CI/CD 工具的使用經驗(例如 Git、Jenkins)。
  • 無需先前 AI/ML 經驗,但需具備好奇心與實驗意願。
 21 小時

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