课程大纲

模块1:AI在QA中的介绍

  • 什么是人工智能?
  • Machine Learning vs Deep Learning vs 基于规则的系统
  • AI在软件测试中的演变
  • AI在QA中的主要优势与挑战

模块2:测试人员的数据与机器学习基础

  • 理解结构化与非结构化数据
  • 特征、标签与训练数据集
  • 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)
  • 真实世界的QA数据集

模块3:AI在QA中的应用

  • AI驱动的测试用例生成
  • 使用机器学习进行缺陷预测
  • 测试优先级与基于风险的测试
  • 使用计算机视觉进行视觉测试
  • 日志分析与异常检测
  • 使用自然语言处理(NLP)编写测试脚本

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)构建QA原型
  • LLM在测试自动化中的介绍
  • 构建一个简单的AI模型来预测测试失败

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模型漂移与再训练周期
  • AI驱动测试中的伦理考量

模块6:动手实验与毕业项目

  • 实验1:使用AI自动化生成测试用例
  • 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:端到端实现AI驱动的测试管道

要求

参与者应具备以下条件:

  • 2年以上软件测试/QA相关经验
  • 熟悉测试自动化工具(例如Selenium、JUnit、Cypress)
  • 具备编程基础知识(优先选择Python或JavaScript)
  • 具备版本控制和CI/CD工具使用经验(例如Git、Jenkins)
  • 无需AI/ML经验,但需具备好奇心和实验精神
 21 小时

客户评论 (5)

即将举行的公开课程

课程分类