Kontakt aufnehmen

Schulungsübersicht

Modul 1: Einführung in AI für QA

  • Was ist Künstliche Intelligenz?
  • Maschinelles Lernen vs. Deep Learning vs. regelbasierte Systeme
  • Die Entwicklung des Softwaretestens mit AI
  • Wesentliche Vorteile und Herausforderungen von AI im QA-Bereich

Modul 2: Grundlagen zu Daten und ML für Tester

  • Verständnis von strukturierten versus unstrukturierten Daten
  • Features, Labels und Trainingsdatensätze
  • Überwachtes und unbeaufsichtigtes Lernen
  • Einführung in die Modellbewertung (Genauigkeit, Präzision, Recall usw.)
  • Praxisnahe QA-Datensätze

Modul 3: AI-Anwendungsfälle in QA

  • KI-gestützte Testfallgenerierung
  • Fehlervorhersage mittels ML
  • Testpriorisierung und risikobasiertes Testen
  • Visuelles Testen mit Computer Vision
  • Loganalyse und Anomalieerkennung
  • Natural Language Processing (NLP) für Testskripte

Modul 4: AI-Tools für QA

  • Überblick über AI-fähige QA-Plattformen
  • Einsatz von Open-Source-Bibliotheken (z.B. Python, Scikit-learn, TensorFlow, Keras) für QA-Prototypen
  • Einführung in Large Language Models (LLMs) in der Testautomatisierung
  • Erstellung eines einfachen KI-Modells zur Vorhersage von Testfehlern

Modul 5: Integration von AI in QA-Workflows

  • Bewertung der AI-Bereitschaft Ihrer QA-Prozesse
  • Kontinuierliche Integration und AI: Wie man Intelligenz in CI/CD-Pipelines integriert
  • Entwurf intelligenter Test-Suites
  • Management von Modell-Drift und Retrainings-Zyklen
  • Ethische Aspekte bei KI-gestütztem Testen

Modul 6: Praktische Labore und Abschlussprojekt

  • Labor 1: Automatisierte Testfallgenerierung mittels AI
  • Labor 2: Erstellung eines Fehlervorhersage-Modells mit historischen Testdaten
  • Labor 3: Nutzung eines LLM zur Überprüfung und Optimierung von Testskripten
  • Abschlussprojekt: End-to-End-Implementierung einer KI-gestützten Test-Pipeline

Voraussetzungen

Von den Teilnehmern wird erwartet:

  • Mindestens 2 Jahre Berufserfahrung in Softwaretest-/QA-Rollen
  • Vertrautheit mit Testautomatisierungstools (z.B. Selenium, JUnit, Cypress)
  • Grundlegende Programmierkenntnisse (vorzugsweise in Python oder JavaScript)
  • Erfahrung mit Versionskontroll- und CI/CD-Tools (z.B. Git, Jenkins)
  • Keine Vorkenntnisse in AI/ML erforderlich; jedoch sind Neugier und Experimentierfreude essenziell
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (3)

Kommende Kurse

Verwandte Kategorien