Schulungsübersicht

Modul 1: Einführung in AI für QA

  • Was ist Künstliche Intelligenz?
  • Maschinelles Lernen vs. Deep Learning vs. regelbasierte Systeme
  • Die Entwicklung des Software-Testings mit AI
  • Wichtige Vorteile und Herausforderungen von AI in QA

Modul 2: Grundlagen der Daten und ML für Tester

  • Verständnis strukturierter vs. unstrukturierter Daten
  • Merkmale, Labels und Trainingsdatensätze
  • Überwachtes und unüberwachtes Lernen
  • Einführung in die Modellbewertung (Genauigkeit, Präzision, Recall usw.)
  • Real-world QA-Datensätze

Modul 3: AI-Anwendungsfälle in QA

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

Modul 4: AI-Tools für QA

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

Modul 5: Integration von AI in QA-Abläufe

  • Evaluierung der AI-Reife ihrer QA-Prozesse
  • Continuous Integration und AI: wie man Intelligenz in CI/CD-Pipelines einbettet
  • Entwurf intelligenter Testpakete
  • Verwaltung von AI-Modellverschiebung und Retrainingszyklen
  • Ethische Überlegungen im AI-gestützten Testing

Modul 6: Praktische Laborübungen und Abschlussprojekt

  • Lab 1: Automatische Testfallgenerierung mit AI
  • Lab 2: Erstellung eines Fehlervorhersagemodells anhand historischer Testdaten
  • Lab 3: Verwendung eines LLMs zur Überprüfung und Optimierung von Testskripten
  • Abschlussprojekt: End-to-end-Implementierung einer AI-gestützten Testpipeline

 

Voraussetzungen

Von den Teilnehmern wird erwartet, dass sie:

  • 2+ Jahre Erfahrung in Software-Testing/QA-Rollen
  • Vertrautheit mit Testautomatisierungstools (z.B. Selenium, JUnit, Cypress)
  • Grundkenntnisse in der Programmierung (vorzugsweise in Python oder JavaScript)
  • Erfahrung mit Versionskontrolle und CI/CD-Tools (z.B. Git, Jenkins)
  • Keine vorherige AI/ML-Erfahrung erforderlich, aber Neugierde und Bereitschaft, zu experimentieren, sind wesentlich.
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (5)

Kommende Kurse

Verwandte Kategorien