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 21 Giờ học
Đề cương khóa học
Giới thiệu về AI cho QA
- Trí tuệ nhân tạo là gì?
- So sánh Học máy, Học sâu và Hệ thống dựa trên luật
- Sự phát triển của kiểm thử phần mềm với AI
- Lợi ích chính và thách thức của AI trong QA
Nền tảng Dữ liệu và ML cho Tester
- Hiểu về dữ liệu có cấu trúc và không cấu trúc
- Đặc trưng, nhãn và tập dữ liệu huấn luyện
- Học có giám sát và không giám sát
- Giới thiệu về đánh giá mô hình (độ chính xác, độ chính xác, recall, v.v.)
- Các bộ dữ liệu QA thực tế
Các trường hợp sử dụng AI trong QA
- Sinh kịch bản kiểm thử bằng AI
- Dự đoán lỗi bằng ML
- Ưu tiên kiểm thử và kiểm thử dựa trên rủi ro
- Kiểm thử hình ảnh bằng thị giác máy tính
- Phân tích log và phát hiện bất thường
- Xử lý ngôn ngữ tự nhiên (NLP) cho script kiểm thử
Công cụ AI cho QA
- Tổng quan về các nền tảng QA hỗ trợ AI
- Sử dụng thư viện mã nguồn mở (ví dụ: Python, Scikit-learn, TensorFlow, Keras) cho các nguyên mẫu QA
- Giới thiệu LLMs trong tự động hóa kiểm thử
- Xây dựng mô hình AI đơn giản để dự đoán lỗi kiểm thử
Tích hợp AI vào quy trình QA
- Đánh giá mức độ sẵn sàng AI của quy trình QA của bạn
- Tích hợp liên tục và AI: cách nhúng trí tuệ vào pipeline CI/CD
- Thiết kế bộ kiểm thử thông minh
- Quản lý độ trôi dạt mô hình AI và chu kỳ huấn luyện lại
- Các cân nhắc đạo đức trong kiểm thử bằng AI
Phòng thực hành và Dự án Capstone
- Lab 1: Tự động hóa sinh kịch bản kiểm thử bằng AI
- Lab 2: Xây dựng mô hình dự đoán lỗi bằng dữ liệu kiểm thử lịch sử
- Lab 3: Sử dụng LLM để xem xét và tối ưu hóa script kiểm thử
- Capstone: Triển khai đầu-cuối pipeline kiểm thử có sức mạnh AI
Yêu cầu
Người tham gia được kỳ vọng có:
- 2+ năm kinh nghiệm trong vai trò kiểm thử phần mềm/QA
- Quen thuộc với các công cụ tự động hóa kiểm thử (ví dụ: Selenium, JUnit, Cypress)
- Kiến thức cơ bản về lập trình (tốt nhất là Python hoặc JavaScript)
- Kinh nghiệm làm việc với công cụ kiểm soát phiên bản và CI/CD (ví dụ: Git, Jenkins)
- Không yêu cầu kinh nghiệm AI/ML trước đó, nhưng sự tò mò và sẵn sàng thử nghiệm là điều cần thiết
Đánh giá (1)
Bài học có giá trị nhất là cách sử dụng AI một cách hiệu quả để nâng cao các hoạt động kiểm thử, đặc biệt là thông qua kỹ thuật tạo câu hỏi (prompt engineering) tốt hơn, các tác nhân AI (AI agents), RAG và phân tích kiểm thử có sự hỗ trợ của AI.
Tallada Vijayakumar - Advantest Europe GmbH
Khóa học - AI Enablement Training Program for Software QA Engineers
Dịch thuật bằng máy