Temario del curso
Módulo 1: Introducción a la IA para QA
- ¿Qué es la inteligencia artificial?
- Aprendizaje automático frente a aprendizaje profundo frente a sistemas basados en reglas
- La evolución de las pruebas de software con inteligencia artificial
- Beneficios y desafíos clave de la IA en QA
Módulo 2: Fundamentos de datos y aprendizaje automático para probadores
- Comprensión de datos estructurados frente a no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, exactitud, recall, etc.)
- Conjuntos de datos reales de QA
Módulo 3: Casos de uso de IA en QA
- Generación de casos de prueba impulsada por IA
- Predicción de defectos mediante aprendizaje automático
- Priorización de pruebas y pruebas basadas en riesgos
- Pruebas visuales con visión por computador
- Análisis de registros y detección de anomalías
- Procesamiento del lenguaje natural (NLP) para scripts de prueba
Módulo 4: Herramientas de IA para QA
- Panorama general de plataformas de QA habilitadas con IA
- Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los modelos de lenguaje grande (LLM) en la automatización de pruebas
- Construcción de un modelo simple de IA para predecir fallos en pruebas
Módulo 5: Integración de IA en flujos de trabajo de QA
- Evaluación de la preparación de sus procesos de QA para adoptar IA
- Integración continua e IA: cómo incorporar inteligencia en las tuberías de CI/CD
- Diseño de suites de pruebas inteligentes
- Gestión del desplazamiento de modelos de IA y ciclos de reentrenamiento
- Consideraciones éticas en las pruebas impulsadas por IA
Módulo 6: Laboratorios prácticos y proyecto final
- Laboratorio 1: Automatizar la generación de casos de prueba utilizando IA
- Laboratorio 2: Construir un modelo de predicción de defectos utilizando datos históricos de pruebas
- Laboratorio 3: Utilizar un modelo de lenguaje grande (LLM) para revisar y optimizar scripts de prueba
- Proyecto final: Implementación de extremo a extremo de una tubería de pruebas impulsada por IA
Requerimientos
Se espera que los participantes cuenten con:
- Más de 2 años de experiencia en roles de pruebas de software o aseguramiento de calidad (QA)
- Familiaridad con herramientas de automatización de pruebas (por ejemplo, Selenium, JUnit, Cypress)
- Conocimientos básicos de programación (preferiblemente en Python o JavaScript)
- Experiencia en el uso de control de versiones y herramientas de integración y despliegue continuo (CI/CD) (por ejemplo, Git, Jenkins)
- No se requiere experiencia previa en IA o aprendizaje automático, aunque es esencial tener curiosidad y disposición para experimentar
Testimonios (3)
ejercicios prácticos, lo que facilita la retención de información
ashley bolen - Insurance Corporation of British Columbia
Curso - Test Automation with Selenium
Traducción Automática
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
La forma en que se abordaron los temas técnicos de manera práctica, con ejemplos reales y una excelente actitud del instructor.
