课程大纲

模块1:AI在QA中的介绍

  • 什么是人工智能?
  • 机器学习 vs 深度学习 vs 基于规则的系统
  • AI在软件测试中的演变
  • AI在QA中的关键优势和挑战

模块2:测试人员的数据和ML基础

  • 理解结构化与非结构化数据
  • 特征、标签和训练数据集
  • 监督学习与无监督学习
  • 模型评估简介(准确率、精确率、召回率等)
  • 现实中的QA数据集

模块3:AI在QA中的用例

  • AI驱动的测试用例生成
  • 使用机器学习进行缺陷预测
  • 测试优先级和基于风险的测试
  • 计算机视觉在视觉测试中的应用
  • 日志分析和异常检测
  • 自然语言处理(NLP)在测试脚本中的应用

模块4:QA中的AI工具

  • AI驱动的QA平台概述
  • 使用开源库(如Python、Scikit-learn、TensorFlow、Keras)进行QA原型设计
  • LLM在测试自动化中的介绍
  • 构建简单的AI模型以预测测试失败

模块5:将AI集成到QA工作流程中

  • 评估QA流程的AI准备情况
  • 持续集成与AI:如何将智能嵌入CI/CD管道
  • 设计智能测试套件
  • 管理AI模型漂移和再训练周期
  • AI驱动测试中的伦理考量

模块6:实践实验与毕业项目

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

 

要求

学员应具备:

  • 2年以上软件测试/QA工作经验
  • 熟悉测试自动化工具(如Selenium、JUnit、Cypress)
  • 具备基本的编程知识(最好是Python或JavaScript)
  • 具备版本控制和CI/CD工具的使用经验(如Git、Jenkins)
  • 不需要具备AI/ML经验,但需要有好奇心和实验精神
 21 小时

客户评论 (5)

即将举行的公开课程

课程分类