Schulungsübersicht

Modul 1: Einführung in KI für QA

  • Was ist künstliche Intelligenz?
  • Machine Learning vs Deep Learning vs regelbasierte Systeme
  • Die Entwicklung der Software-Tests mit KI
  • Kernvorteile und Herausforderungen von KI in der QA

Modul 2: Daten- und ML-Grundlagen für Testers

  • Verständnis von strukturierten vs. unstrukturierten Daten
  • Features, Labels und Trainingsdatensätze
  • Supervised vs unsupervised Learning
  • Einführung in die Modellbewertung (Genauigkeit, Präzision, Recall usw.)
  • Echtzeit-QA-Datensätze

Modul 3: KI Use Cases in der QA

  • KI-gestützte Testfall-Generierung
  • Defektprognose mit ML
  • Testpriorisierung und risksbasiertes Testing
  • Visuelles Testen mit Computer Vision
  • Loganalyse und Anomalieerkennung
  • Sprachverarbeitung (NLP) für Testscripts

Modul 4: KI-Tools für QA

  • Überblick über KI-gestützte QA-Plattformen 
  • Verwendung von Open-Source-Bibliotheken (z. B., Python, Scikit-learn, TensorFlow, Keras) für QA-Projekte
  • Einführung in LLMs in der Testautomatisierung
  • Erstellen eines einfachen KI-Modells zur Vorhersage von Testfehlern

Modul 5: Integration von KI in QA-Abläufe

  • Bewertung der KI-Fähigkeit Ihrer QA-Prozesse
  • Kontinuierliche Integration und KI: Wie man Intelligenz in CI/CD-Pipelines einbetten kann
  • Entwerfen intelligenter Testpakete
  • Verwaltung von KI-Modellverschiebungen und Wiedertrainingszyklen
  • Ethische Überlegungen bei KI-gestütztem Testen

Modul 6: Praktische Labore und Abschlussprojekt

  • Labor 1: Automatisieren der Testfallgenerierung mit KI
  • Labor 2: Erstellen eines Defektprognosemodells auf der Grundlage historischer Testdaten
  • Labor 3: Verwenden von LLMs zur Überprüfung und Optimierung von Testscripts
  • Abschlussprojekt: End-to-End-Implementierung eines KI-gestützten Testpipelines

Voraussetzungen

Die Teilnehmer sollten folgende Voraussetzungen erfüllen:

  • 2+ Jahre Erfahrung in der Software-Testung/QA-Rollen
  • Kenntnisse in Testautomatisierungstools (z. B., Selenium, JUnit, Cypress)
  • Grundlegendes Wissen in der Programmierung (vorzugsweise Python oder JavaScript)
  • Erfahrung mit Versionskontrolle und CI/CD-Tools (z. B., Git, Jenkins)
  • Keine vorherige Erfahrung mit AI/ML ist erforderlich, obwohl Neugier und Bereitschaft zu experimentieren essentiell sind.
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien