Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Módulo 1: Introducción a la IA para la Calidad del Software (QA)
- ¿Qué es la Inteligencia Artificial?
- Machine Learning vs Deep Learning vs Sistemas basados en reglas
- La evolución de la prueba de software con IA
- Principales beneficios y desafíos de la IA en QA
Módulo 2: Datos y Básicos de Aprendizaje Automático (ML) para Pruebas
- Comprender datos estructurados vs no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, exactitud, exhaustividad, etc.)
- Conjuntos de datos del mundo real para QA
Módulo 3: Aplicaciones de IA en QA Use Case
- Generación de casos de prueba con IA
- Predicción de defectos usando ML
- Priorización de pruebas y prueba basada en riesgos
- Prueba visual con visión por computadora
- Análisis de registros y detección de anomalías
- Procesamiento del lenguaje natural (NLP) para scripts de prueba
Módulo 4: Herramientas de IA para QA
- Visión general de plataformas habilitadas por IA para QA
- Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los modelos de lenguaje grande (LLMs) en la automatización de pruebas
- Construcción de un modelo simple de IA para predecir fallos de prueba
Módulo 5: Integración de la IA en los Flujos de Trabajo QA
- Evaluación de la capacidad para integrar IA en los procesos de QA
- Integración continua y AI: cómo incorporar inteligencia en las tuberías CI/CD
- Diseño de conjuntos de pruebas inteligentes
- Gestión del desajuste y ciclos de reentrenamiento en modelos de IA
- Consideraciones éticas en la prueba impulsada por IA
Módulo 6: Laboratorios Prácticos y Proyecto Final
- Laboratorio 1: Automatización de la generación de casos de prueba usando IA
- Laboratorio 2: Construcción de un modelo de predicción de defectos utilizando datos históricos de pruebas
- Laboratorio 3: Uso de un LLM para revisar y optimizar scripts de prueba
- Proyecto Final: Implementación completa de una tubería de pruebas impulsada por IA
Requerimientos
Los participantes deben tener:
- 2+ años de experiencia en roles de pruebas de software/calidad
- Familiaridad con herramientas de automatización de pruebas (por ejemplo, Selenium, JUnit, Cypress)
- Conocimientos básicos de programación (preferiblemente en Python o JavaScript)
- Experiencia con herramientas de control de versiones y CI/CD (por ejemplo, Git, Jenkins)
- No se requiere experiencia previa en IA/ML, aunque la curiosidad y el deseo de experimentar son esenciales
21 Horas
Testimonios (5)
Los ejercicios que vimos en el curso fueron bastante útiles y aplicables a mis actividades en el trabajo, se resolvieron las dudas y los ejemplos compartidos son bastante útiles.
jocelin salas - BANXICO
Curso - Test Automation with Selenium and Python
Disfruté todo, ya que todo es nuevo para mí y puedo ver el valor agregado que puede sonar a mi trabajo.
Zareef - BMW South Africa
Curso - Tosca: Model-Based Testing for Complex Systems
Traducción Automática
La dinámica.
Cesar Ortiz Lara - Bienes Programados SA de CV
Curso - Selenium WebDriver in C#
Muchos ejercicios, que proporcionaron muchas habilidades prácticas.
Rafal Borek - Bytamic Solutions sp. z o.o.
Curso - Automation Testing with Cypress
Traducción Automática
Cantidad de ejercicios prácticos.
Jakub Wasikowski - riskmethods sp. z o.o
Curso - API Testing with Postman
Traducción Automática
