聯繫我們
 課程時長 14 時間:

課程簡介

AI 驅動測試工程的基礎

  • 現代測試面臨的挑戰與 AI 的角色
  • 生成式測試的原則與術語
  • 用於自動創建測試的機器學習模型

將需求與代碼轉化為 AI 生成的測試

  • 從需求與使用者故事中萃取意圖
  • 利用語言模型生成結構化的測試用例
  • 確保 AI 生成測試的確定性與可重現性

自動化的單元測試生成

  • 根據源碼上下文生成單元測試
  • 生成輸入排列組合與邊界案例
  • 將生成的測試整合至常見的單元測試框架

AI 輔助的整合測試與端到端測試創建

  • 將系統行為映射至測試流程
  • 使用 AI 驅動的分析建立整合路徑
  • 平衡人工監督與自動化生成

覆蓋率預測與風險建模

  • 使用 ML 模型識別測試不足的代碼區域
  • 根據歷史失敗記錄預測高風險區域
  • 依據覆蓋率與風險預測對測試進行優先級排序

在 CI/CD 中應用 AI 測試智能

  • 將 AI 分析步驟嵌入管線
  • 基於風險評分觸發動態測試選擇
  • 建立回饋循環以持續改進預測效果

驗證、治理與品質保證

  • 評估 AI 生成測試的可靠性
  • 管理偏差並避免誤報
  • 建立生產環境使用的防護機制

在團隊中擴展 AI 驅動的測試生成

  • QA 與 DevOps 組織的採用策略
  • 標準化工作流程與文件
  • 透過指標與洞察推動持續改進

總結與後續步驟

最低要求

  • 理解軟體測試方法論
  • 具備自動測試框架的實戰經驗
  • 熟悉程式設計概念及 CI/CD 管線

目標受眾

  • QA 工程師
  • SDETs
  • 負責測試工作的 DevOps 團隊

人數


每位參與者的報價

即將到來的課程

課程分類