Prenez contact avec nous

Plan du cours

Module 1 : Introduction à l'IA pour QA

  • Qu'est-ce que l'Intelligence Artificielle ?
  • Apprentissage automatique (Machine Learning) vs Apprentissage profond (Deep Learning) vs Systèmes basés sur des règles
  • L'évolution des tests logiciels avec l'IA
  • Principaux avantages et défis de l'IA dans le QA

Module 2 : Bases de la donnée et de l'apprentissage automatique pour les testeurs

  • Compréhension des données structurées vs non structurées
  • Caractéristiques (features), étiquettes (labels) et ensembles d'entraînement
  • Apprentissage supervisé et non supervisé
  • Introduction à l'évaluation des modèles (précision, exactitude, rappel, etc.)
  • Jeux de données QA du monde réel

Module 3 : Cas d'utilisation de l'IA dans le QA

  • Génération de cas de test alimentée par l'IA
  • Prédiction des défauts par apprentissage automatique
  • Priorisation des tests et tests basés sur le risque
  • Tests visuels avec la vision par ordinateur
  • Analyse des journaux et détection d'anomalies
  • Traitement du langage naturel (TLN/NLP) pour les scripts de test

Module 4 : Outils d'IA pour QA

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

Module 5 : Intégration de l'IA dans les flux de travail QA

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

Module 6 : Labos pratiques et projet final

  • Labo 1 : Automatiser la génération de cas de test à l'aide de l'IA
  • Labo 2 : Construire un modèle de prédiction de défauts à l'aide de données de test historiques
  • Labo 3 : Utiliser un LLM pour revoir et optimiser les scripts de test
  • Projet final : Implémentation complète d'un pipeline de test alimenté par l'IA

Pré requis

Les participants sont attendus pour avoir :

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

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires