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.
Duración 21 horas
Temario del curso
Introducción a la IA para QA
- ¿Qué es la Inteligencia Artificial?
- Aprendizaje automático vs. Aprendizaje profundo vs. Sistemas basados en reglas
- La evolución de las pruebas de software con IA
- Principales beneficios y desafíos de la IA en QA
Conceptos básicos de datos y ML para probadores
- Comprensión de datos estructurados y no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, exactitud, sensibilidad, etc.)
- Conjuntos de datos de QA del mundo real
Casos de uso de la IA en QA
- Generación de casos de prueba impulsada por IA
- Predicción de defectos mediante ML
- Priorización de pruebas y pruebas basadas en riesgos
- Pruebas visuales con visión por computador
- Análisis de registros y detección de anomalías
- Procesamiento de lenguaje natural (NLP) para guiones de prueba
Herramientas de IA para QA
- Resumen de plataformas de QA habilitadas para IA
- Uso de bibliotecas de código abierto (p. ej., Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los LLM en la automatización de pruebas
- Construcción de un modelo de IA simple para predecir fallos en pruebas
Integración de la IA en los flujos de trabajo de QA
- Evaluación de la preparación para IA de sus procesos de QA
- Integración continua e IA: cómo incorporar inteligencia en las tuberías CI/CD
- Diseño de suites de pruebas inteligentes
- Gestión del deterioro de modelos de IA (drift) y ciclos de reentrenamiento
- Consideraciones éticas en las pruebas impulsadas por IA
Laboratorios prácticos y proyecto final
- Laboratorio 1: Automatizar la generación de casos de prueba usando IA
- Laboratorio 2: Construir un modelo de predicción de defectos usando datos históricos de pruebas
- Laboratorio 3: Usar un LLM para revisar y optimizar guiones de prueba
- Proyecto final: Implementación completa 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/QA.
- Conocimiento de herramientas de automatización de pruebas (p. ej., Selenium, JUnit, Cypress).
- Conocimientos básicos de programación (preferiblemente en Python o JavaScript).
- Experiencia con herramientas de control de versiones y CI/CD (p. ej., Git, Jenkins).
- No se requiere experiencia previa en IA/ML, aunque la curiosidad y la disposición a experimentar son esenciales.
Reseñas (1)
El aspecto más valioso fue aprender a utilizar eficazmente la IA para mejorar las actividades de pruebas, especialmente mediante una mejor ingeniería de indicaciones, agentes de IA, RAG y análisis de pruebas asistido por IA.
Tallada Vijayakumar - Advantest Europe GmbH
Curso - AI Enablement Training Program for Software QA Engineers
Traducción Automática
