Đề cương khóa học

Giới thiệu về AI trong Software Testing

  • Tổng quan về 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 chất lượng kỹ thuật do AI dẫn dắt

LLMs cho Tạo Trường Hợp Kiểm Thử

  • Nghệ thuật tạo đề cương để sinh ra các kiểm thử đơn vị và chức năng
  • Tạo mẫu kiểm thử có tham số và dựa trên dữ liệu
  • Chuyển đổi câu chuyện người dùng và yêu cầu thành kịch bản kiểm thử

AI trong Kiểm Thử Khám Phá và Trường Hợp Ranh Giới

  • Xác định nhánh hoặc điều kiện chưa được kiểm thử bằng AI
  • Tạo mô phỏng các trường hợp sử dụng hiếm gặp hoặc bất thường
  • Chiến lược sinh ra kiểm thử dựa trên rủi ro

Kiểm Thử Giao Diện Người Dùng và Kiểm Thử Trở Lại Tự Động

  • Sử dụng các công cụ AI như Testim hoặc mabl để tạo kiểm thử giao diện người dùng
  • Đảm bảo kiểm thử giao diện người dùng ổn định thông qua bộ chọn tự chữa lành
  • Phân tích tác động của kiểm thử trở lại dựa trên AI sau khi thay đổi mã nguồn

Phân Tích Thất Bại và Tối Ưu Hóa Kiểm Thử

  • Tạo nhóm các lỗi kiểm thử bằng mô hình LLM hoặc ML
  • Giảm thiểu sự cố không ổn định trong chạy kiểm thử và giảm bớt tình trạng báo động quá mức
  • Sắp xếp ưu tiên việc thực thi kiểm thử dựa trên thông tin lịch sử

Tích Hợp Vào Chuỗi CI/CD

  • Nhúng sinh ra kiểm thử AI vào Jenkins, GitHub Actions, hoặc GitLab CI
  • Kiểm chứng chất lượng kiểm thử trong yêu cầu kéo (pull requests)
  • Tự động hóa việc hoàn nguyên và kiểm tra thông minh trong chuỗi cung ứng

Xu hướng Tương lai và Sử dụng Trách nhiệm của AI trong QA

  • Đánh giá độ chính xác và an toàn của các kiểm thử do AI tạo ra
  • Governance và dấu vết kiểm toán cho quy trình kiểm thử được cải thiện bằng AI
  • Xu hướng về nền tảng AI-QA và khả năng quan sát thông minh

Tóm Tắt và Bước Tiếp theo

Requirements

  • Kinh nghiệm trong kiểm thử phần mềm, lập kế hoạch kiểm thử hoặc tự động hóa QA
  • Hiểu biết về các khung kiểm thử như JUnit, PyTest, hoặc Selenium
  • Hiểu biết cơ bản về các đường ống CI/CD và môi trường DevOps

Đối tượng

  • Kỹ sư QA
  • Các kỹ sư phát triển phần mềm trong kiểm thử (SDET)
  • Nhân viên kiểm thử phần mềm làm việc trong các môi trường Agile hoặc DevOps

Giới thiệu về AI trong Software Testing

  • Quan điểm tổng quát về 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 chất lượng kỹ thuật dựa trên AI

LLMs cho Tạo trường hợp kiểm thử

  • Kỹ thuật tạo lệnh để tạo các bài kiểm thử đơn vị và chức năng
  • Tạo mẫu kiểm thử có tham số và dữ liệu驱动的测试模板
  • 将用户故事和需求转换为测试脚本

AI在探索性和边缘情况测试中的应用

  • 使用AI识别未测试的分支或条件
  • 模拟罕见或异常的使用场景
  • 基于风险的测试生成策略

自动化UI和回归测试

  • 使用Testim或mabl等AI工具创建UI测试
  • 通过自我修复选择器维护稳定的UI测试
  • 代码更改后的基于AI的回归影响分析

故障分析与测试优化

  • 使用LLM或ML模型对测试失败进行聚类
  • 减少不稳定测试运行和警报疲劳
  • 根据历史洞察优先执行测试

CI/CD流水线集成

  • 将AI测试生成嵌入到Jenkins、GitHub操作或GitLab CI中
  • 在拉取请求期间验证测试质量
  • 流水线中的自动化回滚和智能测试门控

未来趋势与AI在QA中的负责任使用

  • 评估AI生成测试的准确性和安全性
  • Go治理和增强测试过程的审计跟踪
  • AI-QA平台和智能可观测性的发展趋势

总结与下一步行动

AI-Augmented Test Generation and Quality Engineering 探索如何使用人工智能工具和大型语言模型(LLMs)来改进测试覆盖率,加快测试创建速度,并提高质量保证流程。

本课程是面向中高级QA专业人员的讲师指导实时培训(在线或现场),希望利用AI驱动的工具和技术自动化和增强其测试策略。

完成此培训后,参与者将能够:

  • 使用AI工具和提示生成单元、集成和UI测试
  • 使用LLMs进行探索性测试、边缘情况发现和回归分析
  • 使用AI辅助分类对测试失败和异常进行聚类和优先级排序
  • 将基于AI的测试集成到CI/CD管道中以提高发布信心

课程格式

  • 互动讲座和讨论
  • 大量练习和实践
  • 在实时实验室环境中动手实施

课程定制选项

  • 要为本课程请求定制培训,请联系我们安排。
 14 Hours

Number of participants


Price per participant

Provisional Upcoming Courses (Require 5+ participants)

Related Categories