聯繫我們
 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

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