联系我们
 课程时长 21 小时

课程大纲

QA中的AI入门

  • 什么是人工智能?
  • 机器学习与深度学习及基于规则系统的区别
  • AI驱动的软件测试演变
  • AI在QA中的关键优势与挑战

测试人员的数据与ML基础

  • 理解结构化与非结构化数据
  • 特征、标签及训练数据集
  • 监督学习与无监督学习
  • 模型评估入门(准确率、精确率、召回率等)
  • 真实的QA数据集

QA中的AI应用场景

  • AI驱动的测试用例生成
  • 使用ML进行缺陷预测
  • 测试优先级排序及基于风险的测试
  • 基于计算机视觉的视觉测试
  • 日志分析与异常检测
  • 用于测试脚本的自然语言处理(NLP)

QA中的AI工具

  • AI赋能的QA平台概览
  • 使用开源库(如Python、Scikit-learn、TensorFlow、Keras)构建QA原型
  • 测试自动化中的大语言模型(LLM)简介
  • 构建简单的AI模型以预测测试失败

将AI集成到QA工作流中

  • 评估QA流程的AI就绪状态
  • 持续集成与AI:如何在CI/CD管道中嵌入智能
  • 设计智能测试套件
  • 管理AI模型漂移及再训练周期
  • AI驱动测试中的伦理考量

实操练习与毕业设计

  • 实验室1:使用AI自动化测试用例生成
  • 实验室2:使用历史测试数据构建缺陷预测模型
  • 实验室3:使用LLM审查并优化测试脚本
  • 毕业设计:端到端实施AI驱动的测试管道

要求

参与者应满足以下条件:

  • 拥有2年以上软件测试/QA经验
  • 熟悉测试自动化工具(如Selenium、JUnit、Cypress)
  • 具备基本的编程知识(优选Python或JavaScript)
  • 具有版本控制和CI/CD工具的使用经验(如Git、Jenkins)
  • 无需具备AI/ML经验,但必须具备好奇心及乐于实验的态度

客户评论 (3)

即将举行的公开课程

课程分类