Temario del curso
Módulo 1: Introducción a la IA para QA
- ¿Qué es la Inteligencia Artificial?
- Aprendizaje automático (ML) vs. Aprendizaje profundo (Deep Learning) vs. Sistemas basados en reglas.
- La evolución de las pruebas de software con IA.
- Beneficios clave y desafíos de la IA en QA.
Módulo 2: Fundamentos de Datos y ML para Analistas QA
- Comprensión de datos estructurados frente a no estructurados.
- Características (features), etiquetas (labels) y conjuntos de entrenamiento.
- Aprendizaje supervisado y no supervisado.
- Introducción a la evaluación de modelos (precisión, precisión/precision, exhaustividad/recall, etc.).
- Conjuntos de datos reales de QA.
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 (logs) y detección de anomalías.
- Procesamiento del lenguaje natural (NLP) para scripts de prueba.
Módulo 4: Herramientas de IA para QA
- Panorama general de plataformas de QA habilitadas con IA.
- Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA.
- Introducción a los Modelos de Lenguaje Grande (LLM) en la automatización de pruebas.
- Desarrollo de un modelo simple de IA para predecir fallas en las pruebas.
Módulo 5: Integración de IA en Flujos de Trabajo de QA
- Evaluación de la preparación para la IA en sus procesos de QA.
- Integración continua e IA: cómo incorporar inteligencia en los pipelines CI/CD.
- Diseño de suites de pruebas inteligentes.
- Gestión de la deriva de modelos (model drift) y ciclos de retroalimentación (retraining).
- 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 utilizando datos históricos de pruebas.
- Laboratorio 3: Utilizar un LLM para revisar y optimizar scripts de prueba.
- Proyecto Final: Implementación completa de un pipeline de pruebas impulsado por IA.
Requerimientos
Se espera que los participantes tengan:
- Más de 2 años de experiencia en roles de pruebas de software/QA.
- Conocimiento de 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 para experimentar son esenciales.
Testimonios (3)
ejercicios prácticos, lo que facilita la retención de información
ashley bolen - Insurance Corporation of British Columbia
Curso - Test Automation with Selenium
Traducción Automática
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 forma en que se abordaron los temas técnicos de manera práctica, con ejemplos reales y una excelente actitud del instructor.
