Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Módulo 1: Introdução à IA para QA
- O que é Inteligência Artificial?
- Machine Learning vs Deep Learning vs Sistemas baseados em regras
- A evolução do teste de software com IA
- Principais benefícios e desafios da IA em QA
Módulo 2: Dados e Noções Básicas de ML para Testadores
- Compreendendo dados estruturados vs. não estruturados
- Características, rótulos e conjuntos de dados de treinamento
- Aprendizado supervisionado vs. não supervisionado
- Introdução à avaliação de modelos (precisão, recall, etc.)
- Conjuntos de dados do QA em situações reais
Módulo 3: Aplicações de IA na QA
- Geração automática de casos de teste com IA
- Previsão de defeitos usando ML
- Priorização de testes e teste baseado em riscos
- Teste visual com visão computacional
- Análise de logs e detecção de anomalias
- Processamento de linguagem natural (NLP) para scripts de teste
Módulo 4: FERRAMENTAS DE IA PARA QA
- Visão geral de plataformas de QA habilitadas por IA
- Utilização de bibliotecas open-source (e.g., Python, Scikit-learn, TensorFlow, Keras) para protótipos de QA
- Introdução a LLMs na automação de testes
- Construção de um modelo simples de IA para prever falhas em testes
Módulo 5: Integração da IA nos Fluxos de Trabalho QA
- Avaliação da preparação para a IA dos processos de QA
- Integração contínua e AI: como incorporar inteligência nos pipelines CI/CD
- Delineando conjuntos de testes inteligentes
- Gerenciamento do desvio e dos ciclos de reentrenamento do modelo IA
- Considerações éticas no teste automatizado por IA
Módulo 6: Laboratórios Práticos e Projeto Final
- Laboratório 1: Automatização da geração de casos de teste usando IA
- Laboratório 2: Construção de um modelo de previsão de defeitos utilizando dados históricos de testes
- Laboratório 3: Utilização de um LLM para revisar e otimizar scripts de teste
- Projeto Final: Implementação end-to-end de uma pipeline de teste automatizado por IA
Requisitos
Os participantes devem ter:
- 2+ anos de experiência em papéis de testes de software/QA
- Familiaridade com ferramentas de automação de testes (por exemplo, Selenium, JUnit, Cypress)
- Conhecimento básico de programação (preferencialmente em Python ou JavaScript)
- Experiência com controle de versão e ferramentas CI/CD (por exemplo, Git, Jenkins)
- Não é necessário ter experiência prévia em IA/ML, embora curiosidade e disposição para experimentar sejam essenciais
Módulo 1: Introdução à IA para QA
- O que é Inteligência Artificial?
- Machine Learning vs Deep Learning vs Sistemas baseados em regras
- A evolução do teste de software com IA
- Principais benefícios e desafios da IA no QA
Módulo 2: Dados e Fundamentos de ML para Testadores
- Compreendendo dados estruturados vs não estruturados
- Características, rótulos e conjuntos de dados de treinamento
- Aprendizado supervisionado e não supervisionado
- Introdução à avaliação de modelos (precisão, acurácia, recall etc.)
- Conjuntos de dados do QA no mundo real
Módulo 3: IA Use Cases em QA
- Geração de casos de teste com IA
- Previsão de defeitos usando ML
- Priorização de testes e teste baseado em riscos
- Teste visual com visão computacional
- Análise de logs e detecção de anomalias
- Processamento de linguagem natural (NLP) para scripts de teste
Módulo 4: Ferramentas de IA para QA
- Visão geral das plataformas de QA habilitadas por IA
- Usando bibliotecas open-source (por exemplo, Python, Scikit-learn, TensorFlow, Keras) para protótipos de QA
- Introdução a LLMs na automação de testes
- Construindo um modelo simples de IA para prever falhas em testes
Módulo 5: Integrando a IA nos Fluxos de Trabalho do QA
- Avaliando a preparação para IA dos processos de QA
- Integração contínua e IA: como incorporar inteligência nos pipelines CI/CD
- Delineando conjuntos de testes inteligentes
- Gerenciamento do desvio dos modelos de IA e ciclos de reentreamento
- Considerações éticas no teste com IA
Módulo 6: Laboratórios Práticos e Projeto Final
- Laboratório 1: Automatizar a geração de casos de teste usando IA
- Laboratório 2: Construir um modelo de previsão de defeitos usando dados históricos de testes
- Laboratório 3: Usar um LLM para revisar e otimizar scripts de teste
- Projeto Final: Implementação completa de uma pipeline de testes habilitada por IA
Este programa de treinamento está projetado para empoderar engenheiros de QA com conhecimentos e habilidades práticas essenciais de IA para aprimorar sua produtividade em testes e os resultados da qualidade do software. Os participantes adquirirão uma compreensão fundamental da inteligência artificial, aprendizado de máquina e suas aplicações na automação de testes, detecção de bugs, geração de casos de teste, teste baseado em riscos e análise de desempenho.
Por meio de uma mistura de teoria, demonstrações e laboratórios práticos, profissionais de QA aprenderão como aproveitar a IA para reduzir esforços manuais, melhorar a cobertura dos testes e aumentar a precisão na detecção de defeitos - impulsionando assim a eficiência geral e a eficácia nos processos de QA
Ao final deste curso, os participantes serão capazes de:
- Compreender os conceitos fundamentais de IA e ML relevantes para o teste de software.
- Identificar áreas no ciclo de vida do QA que podem se beneficiar de ferramentas e técnicas habilitadas por IA.
- Usar modelos de IA para tarefas como geração de casos de teste, previsão de defeitos e análise de riscos.
- Avaliar e integrar ferramentas de teste baseadas em IA nos fluxos de trabalho existentes do QA.
- Colaborar com cientistas de dados e engenheiros para projetar e implementar estratégias inteligentes de QA.
Este programa de treinamento está projetado para empoderar engenheiros de QA com conhecimentos essenciais de IA e habilidades práticas para melhorar a produtividade em testes e os resultados da qualidade do software. Os participantes adquirirão uma compreensão fundamental de inteligência artificial, aprendizado de máquina e suas aplicações na automação de testes, detecção de bugs, geração de casos de teste, teste baseado em riscos e análise de desempenho.
Por meio de uma mistura de teoria, demonstrações e laboratórios práticos, profissionais de QA aprenderão como aproveitar a IA para reduzir esforços manuais, melhorar a cobertura dos testes e aumentar a precisão na detecção de defeitos — impulsionando assim a eficiência geral e a eficácia nos processos de QA
21 Horas
Declaração de Clientes (5)
Método de ensino
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Curso - SoapUI for API Testing
Máquina Traduzida
Gostei de tudo, porque é tudo novo para mim e posso ver o valor acrescentado que pode trazer ao meu trabalho.
Zareef - BMW South Africa
Curso - Tosca: Model-Based Testing for Complex Systems
Máquina Traduzida
Visão muito ampla do assunto que abrangeu todo o conhecimento pré-requisito de maneira adequada ao nível de conhecimento do curso.
James Hurburgh - Queensland Police Service
Curso - SpecFlow: Implementing BDD for .NET
Máquina Traduzida
Foi fácil de entender e implementar.
Thomas Young - Canadian Food Inspection Agency
Curso - Robot Framework: Keyword Driven Acceptance Testing
Máquina Traduzida
Quantidade de exercícios práticos.
Jakub Wasikowski - riskmethods sp. z o.o
Curso - API Testing with Postman
Máquina Traduzida
