Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en pruebas de software
- Visión general de las capacidades de la IA en pruebas y QA
- Tipos de herramientas de IA utilizadas en flujos de trabajo de prueba modernos
- Beneficios y riesgos de la ingeniería de calidad impulsada por IA
LLMs para generación de casos de prueba
- Ingeniería de prompts para generar pruebas unitarias y funcionales
- Creación de plantillas de pruebas parametrizadas e impulsadas por datos
- Conversión de historias de usuario y requisitos en scripts de prueba
IA en pruebas exploratorias y de casos límite
- Identificación de ramas o condiciones no probadas mediante IA
- Simulación de escenarios de uso poco frecuentes o anormales
- Estrategias de generación de pruebas basadas en el riesgo
Pruebas de UI y regresión automatizadas
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de interfaz de usuario (UI)
- Mantenimiento de pruebas estables en UI mediante selectores con auto-curación
- Análisis del impacto de la regresión basado en IA después de cambios en el código
Análisis de fallos y optimización de pruebas
- Agrupación de fallos de prueba utilizando modelos LLM o ML
- Reducción de ejecuciones inestables (flaky tests) y fatiga por alertas
- Priorización de la ejecución de pruebas basada en conocimientos históricos
Integración en pipelines CI/CD
- Incorporación de generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI
- Validación de la calidad de las pruebas durante las pull requests
- Reversiones automatizadas y control inteligente de pruebas (test gating) en pipelines
Tendencias futuras y uso responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA
- Gobernanza y registros de auditoría para procesos de prueba mejorados con IA
- Tendencias en plataformas de IA-QA e observabilidad inteligente
Resumen y próximos pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización del QA
- Familiaridad con marcos de prueba como JUnit, PyTest o Selenium
- Comprensión básica de pipelines CI/CD y entornos DevOps
Público objetivo
- Ingenieros de QA
- Ingenieros de desarrollo en pruebas (SDET)
- Probadores de software que trabajan en entornos ágiles o DevOps
14 Horas
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática