Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Thời gian kéo dài 14 Giờ học
Đề cương khóa học
Giới thiệu về AI trong Kiểm thử Phần mềm
- Tổng quan về các khả năng của AI trong kiểm thử và QA
- Các loại công cụ AI được sử dụng trong quy trình kiểm thử hiện đại
- Lợi ích và rủi ro của kỹ thuật chất lượng dựa trên AI
LLM cho Việc tạo Bài kiểm thử (Test Cases)
- Kỹ thuật prompt (prompt engineering) để tạo các bài kiểm thử đơn vị và chức năng
- Tạo các mẫu bài kiểm thử tham số hóa và dựa trên dữ liệu
- Chuyển đổi các câu chuyện người dùng và yêu cầu thành các kịch bản kiểm thử
AI trong Kiểm thử Khám phá và Trường hợp Biên
- Xác định các nhánh hoặc điều kiện chưa được kiểm thử bằng AI
- Mô phỏng các kịch bản sử dụng hiếm gặp hoặc bất thường
- Các chiến lược tạo bài kiểm thử dựa trên rủi ro
Kiểm thử UI và Hồi quy Tự động
- Sử dụng các công cụ AI như Testim hoặc mabl để tạo bài kiểm thử UI
- Duy trì các bài kiểm thử UI ổn định thông qua các bộ chọn tự sửa chữa (self-healing selectors)
- Phân tích tác động hồi quy dựa trên AI sau các thay đổi mã
Phân tích Lỗi và Tối ưu hóa Bài kiểm thử
- Gom nhóm các lỗi kiểm thử bằng cách sử dụng các mô hình LLM hoặc ML
- Giảm các lần chạy kiểm thử không ổn định (flaky test) và tình trạng quá tải cảnh báo (alert fatigue)
- Ưu tiên thực thi bài kiểm thử dựa trên các hiểu biết từ dữ liệu lịch sử
Tích hợp vào Pipeline CI/CD
- Nhúng việc tạo bài kiểm thử AI vào Jenkins, GitHub Actions hoặc GitLab CI
- Xác minh chất lượng bài kiểm thử trong các yêu cầu kéo (pull requests)
- Hoàn tác tự động và kiểm soát thông minh (smart test gating) trong pipeline
Xu hướng Tương lai và Việc sử dụng AI có trách nhiệm trong QA
- Đánh giá độ chính xác và tính an toàn của các bài kiểm thử do AI tạo ra
- Quản trị và dấu vết kiểm toán cho các quy trình kiểm thử được nâng cao bằng AI
- Xu hướng trong các nền tảng AI-QA và khả năng quan sát thông minh (intelligent observability)
Tóm tắt và Các bước tiếp theo
Yêu cầu
- Kinh nghiệm trong kiểm thử phần mềm, lập kế hoạch kiểm thử hoặc tự động hóa QA
- quen thuộc với các framework kiểm thử như JUnit, PyTest hoặc Selenium
- Hiểu biết cơ bản về các pipeline CI/CD và môi trường DevOps
Đối tượng học viên
- Kỹ sư QA
- Kỹ sư phát triển phần mềm trong kiểm thử (SDETs)
- Nhân viên kiểm thử phần mềm làm việc trong môi trường Agile hoặc DevOps
Đánh giá (1)
Tôi đã học được kiến thức về thư viện Streamlit trong Python và chắc chắn tôi sẽ thử sử dụng nó để cải thiện các ứng dụng của đội tôi, những ứng dụng này được tạo bằng R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Khóa học - GitHub Copilot for Developers
Dịch thuật bằng máy