Plan du cours

Module 1 : Introduction à l'IA pour le QA

  • Qu'est-ce que l'intelligence artificielle ?
  • Apprentissage automatique vs apprentissage profond vs systèmes basés sur des règles
  • L'évolution du test logiciel avec l'IA
  • Les principaux avantages et défis de l'IA dans le QA

Module 2 : Bases des données et de l'apprentissage automatique pour les testeurs

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

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

  • Génération de cas de test alimentée par l'IA
  • Prédiction des défauts à l'aide de l'apprentissage automatique
  • Priorisation des tests et test basé sur les risques
  • Test visuel avec la vision par ordinateur
  • Analyse des journaux et détection d'anomalies
  • Traitement du langage naturel (NLP) pour les scripts de test

Module 4 : Outils IA pour le QA

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

Module 5 : Intégration de l'IA dans les workflows 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 du décalage des modèles IA et des cycles de réentraînement
  • Considérations éthiques dans le test alimenté par l'IA

Module 6 : Laboratoires 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 des défauts à partir de données historiques de tests
  • Labo 3 : Utiliser un LLM pour examiner et optimiser les scripts de test
  • Projet final : Implémentation d'une chaîne de tests alimentée par l'IA, du début à la fin

 

Pré requis

Les participants sont censés avoir :

  • Au moins 2 ans d'expérience dans le test logiciel/QA
  • Une familiarité avec les outils d'automatisation des tests (par exemple, 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 exemple, Git, Jenkins)
  • Aucune expérience préalable en IA/apprentissage automatique n'est requise, mais la curiosité et l'envie d'expérimenter sont essentielles
 21 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (5)

Cours à venir

Catégories Similaires