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 são esperados a 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 (preferivelmente em Python ou JavaScript)
- Experiência com controle de versão e ferramentas CI/CD (por exemplo, Git, Jenkins)
- Não é necessário experiência prévia em IA/ML, embora curiosidade e disposição para experimentar sejam essenciais
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