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
Módulo 1: Introducción a la IA para QA
- ¿Qué es la Inteligencia Artificial?
- Aprendizaje automático vs aprendizaje profundo vs sistemas basados en reglas
- La evolución de las pruebas de software con IA
- Beneficios y desafíos clave de la IA en QA
Módulo 2: Fundamentos de datos y ML para probadores
- Comprender los datos estructurados vs no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (exactitud, precisión, recuperación, etc.)
- Conjuntos de datos de QA del mundo real
Módulo 3: Casos de uso de IA en QA
- Generación de casos de prueba impulsada por IA
- Predicción de defectos usando ML
- Priorización de pruebas y pruebas basadas en riesgos
- Pruebas visuales 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 de QA habilitadas por IA
- Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los LLM en la automatización de pruebas
- Construcción de un modelo de IA simple para predecir fallos de prueba
Módulo 5: Integración de IA en flujos de trabajo de QA
- Evaluación de la preparación para IA de sus procesos de QA
- Integración continua y IA: cómo incorporar inteligencia en las pipelines CI/CD
- Diseño de suites de pruebas inteligentes
- Gestión del desvío y ciclos de reentrenamiento de modelos de IA
- Consideraciones éticas en las pruebas impulsadas por IA
Módulo 6: Laboratorios prácticos y proyecto final
- Laboratorio 1: Automatizar la generación de casos de prueba usando IA
- Laboratorio 2: Construir un modelo de predicción de defectos usando datos históricos de pruebas
- Laboratorio 3: Usar un LLM para revisar y optimizar scripts de prueba
- Proyecto final: Implementación integral de una pipeline de pruebas impulsada por IA
Requerimientos
Se espera que los participantes tengan:
- 2+ años de experiencia en pruebas 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 control de versiones y herramientas 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
Testimonios (5)
Los ejercicios que vimos en el curso fueron bastante útiles y aplicables a mis actividades en el trabajo, se resolvieron las dudas y los ejemplos compartidos son bastante útiles.
jocelin salas - BANXICO
Curso - Test Automation with Selenium and Python
La dinámica.
Cesar Ortiz Lara - Bienes Programados SA de CV
Curso - Selenium WebDriver in C#
Cantidad de ejercicios prácticos.
Jakub Wasikowski - riskmethods sp. z o.o
Curso - API Testing with Postman
Traducción Automática
El formador explicó cada funcionalidad exhaustivamente.
Argean Quilaquil - DXC
Curso - TestComplete
Traducción Automática
El formador es amable. Sus explicaciones son claras e interesantes. Intenta hacer las lecciones lo más interesantes posible. Disfruté mucho de la clase y adquirí mucho conocimiento. Muchas gracias. La técnica más útil que aprendí fue cómo localizar elementos para diferentes componentes web, como cuadros de texto, botones de opción y botones. A veces, el ID del elemento no se captura correctamente. Aprendimos diferentes formas de localizar elementos utilizando selectores CSS, XPath, nombre e ID. Me gustó la explicación. Gracias
Bee Chin Chuah - I-Access Solutions Pte Ltd
Curso - Advanced Selenium with C#
Traducción Automática
