Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction à l'IA pour la QA

  • Qu'est-ce que l'intelligence artificielle ?
  • Apprentissage automatique, apprentissage profond et systèmes basés sur des règles
  • L'évolution des tests logiciels avec l'IA
  • Avantages clés et défis de l'IA dans la QA

Fondamentaux des données et de l'IA pour les testeurs

  • Comprendre les données structurées et non structurées
  • Fonctions, étiquettes et jeux de données d'entraînement
  • Apprentissage supervisé et non supervisé
  • Introduction à l'évaluation des modèles (précision, rappel, etc.)
  • Jeux de données de QA réels

Cas d'utilisation de l'IA dans la QA

  • Génération de cas de test propulsée par l'IA
  • Prédiction des défauts à l'aide de l'IA
  • Préparation des tests et tests basés sur les risques
  • Tests visuels avec la vision par ordinateur
  • Analyse des journaux et détection des anomalies
  • Traitement du langage naturel (TLN) pour les scripts de test

Outils d'IA pour la QA

  • Aperçu des plateformes de QA activées par l'IA
  • Utilisation de bibliothèques open source (par ex., Python, Scikit-learn, TensorFlow, Keras) pour des prototypes QA
  • Introduction aux grands modèles de langage (LLM) dans l'automatisation des tests
  • Construction d'un modèle d'IA simple pour prédire les échecs de test

Intégration de l'IA dans les flux de travail de QA

  • Évaluation de la préparation à l'IA de vos processus de QA
  • Intégration continue et IA : comment imbriquer l'intelligence dans les pipelines CI/CD
  • Conception de suites de tests intelligentes
  • Gestion du dérive des modèles d'IA et des cycles de réentraînement
  • Considérations éthiques dans les tests propulsés par l'IA

Laboratoires pratiques et projet de synthèse

  • Labo 1 : Automatisation de la génération de cas de test à l'aide de l'IA
  • Labo 2 : Construction d'un modèle de prédiction des défauts à l'aide de données de test historiques
  • Labo 3 : Utilisation d'un LLM pour réviser et optimiser les scripts de test
  • Projet de synthèse : Mise en œuvre de bout en bout d'un pipeline de tests propulsé par l'IA

Pré requis

On s'attend à ce que les participants disposent :

  • de 2 années d'expérience ou plus dans des rôles de test logiciel/QA;
  • d'une familiarité avec les outils d'automatisation des tests (par ex., Selenium, JUnit, Cypress);
  • de connaissances de base en programmation (de préférence en Python ou en JavaScript);
  • d'une expérience avec les outils de contrôle de version et CI/CD (par ex., Git, Jenkins).
  • Aucune expérience préalable en IA/ML n'est requise, mais la curiosité et la volonté d'expérimenter sont essentielles.

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires