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
Testimonios (5)
Método de enseñanza
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Curso - SoapUI for API Testing
Traducción Automática
Disfruté todo, ya que todo es nuevo para mí y puedo ver el valor agregado que puede sonar a mi trabajo.
Zareef - BMW South Africa
Curso - Tosca: Model-Based Testing for Complex Systems
Traducción Automática
Muy amplio resumen del tema que abarcó todo el conocimiento previo de manera apropiada para el nivel del curso.
James Hurburgh - Queensland Police Service
Curso - SpecFlow: Implementing BDD for .NET
Traducción Automática
Fue fácil de entender y de implementar.
Thomas Young - Canadian Food Inspection Agency
Curso - Robot Framework: Keyword Driven Acceptance Testing
Traducción Automática
Cantidad de ejercicios prácticos.
Jakub Wasikowski - riskmethods sp. z o.o
Curso - API Testing with Postman
Traducción Automática