Programa del Curso

Módulo 1: Introducción a la IA para la Calidad del Software (QA)

  • ¿Qué es la Inteligencia Artificial?
  • Machine Learning vs Deep Learning vs Sistemas basados en reglas
  • La evolución de la prueba de software con IA
  • Principales beneficios y desafíos de la IA en QA

Módulo 2: Datos y Básicos de Aprendizaje Automático (ML) para Pruebas

  • Comprender datos estructurados vs no estructurados
  • Características, etiquetas y conjuntos de datos de entrenamiento
  • Aprendizaje supervisado y no supervisado
  • Introducción a la evaluación de modelos (precisión, exactitud, exhaustividad, etc.)
  • Conjuntos de datos del mundo real para QA

Módulo 3: Aplicaciones de IA en QA Use Case

  • Generación de casos de prueba con IA
  • Predicción de defectos usando ML
  • Priorización de pruebas y prueba basada en riesgos
  • Prueba visual con visión por computadora
  • Análisis de registros y detección de anomalías
  • Procesamiento del lenguaje natural (NLP) para scripts de prueba

Módulo 4: Herramientas de IA para QA

  • Visión general de plataformas habilitadas por IA para QA 
  • Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
  • Introducción a los modelos de lenguaje grande (LLMs) en la automatización de pruebas
  • Construcción de un modelo simple de IA para predecir fallos de prueba

Módulo 5: Integración de la IA en los Flujos de Trabajo QA

  • Evaluación de la capacidad para integrar IA en los procesos de QA
  • Integración continua y AI: cómo incorporar inteligencia en las tuberías CI/CD
  • Diseño de conjuntos de pruebas inteligentes
  • Gestión del desajuste y ciclos de reentrenamiento en modelos de IA
  • Consideraciones éticas en la prueba impulsada por IA

Módulo 6: Laboratorios Prácticos y Proyecto Final

  • Laboratorio 1: Automatización de la generación de casos de prueba usando IA
  • Laboratorio 2: Construcción de un modelo de predicción de defectos utilizando datos históricos de pruebas
  • Laboratorio 3: Uso de un LLM para revisar y optimizar scripts de prueba
  • Proyecto Final: Implementación completa de una tubería de pruebas impulsada por IA

Requerimientos

Los participantes deben tener:

  • 2+ años de experiencia en roles de prueba de software/QA
  • Familiaridad con herramientas de automatización de pruebas (por ejemplo, Selenium, JUnit, Cypress)
  • Conocimientos básicos de programación (preferiblemente en Python o JavaScript)
  • Experiencia con herramientas de control de versiones y CI/CD (por ejemplo, Git, Jenkins)
  • No se requiere experiencia previa en IA/ML, aunque la curiosidad y la disposición a experimentar son esenciales
 21 Horas

Número de participantes


Precio por Participante​

Testimonios (5)

Próximos cursos

Categorías Relacionadas