Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden
Schulungsübersicht
Einführung in KI für QA
- Was ist künstliche Intelligenz?
- Machine Learning vs. Deep Learning vs. regelbasierte Systeme
- Die Evolution der Softwaretests durch KI
- Wichtige Vorteile und Herausforderungen von KI in QA
Grundlagen zu Daten und ML für Tester
- Verständnis von strukturierten und unstrukturierten Daten
- Features, Labels und Trainingsdatensätze
- Überwachtes und unüberwachtes Lernen
- Einführung in die Modellbewertung (Genauigkeit, Präzision, Recall usw.)
- Praktische QA-Datensätze
KI-Anwendungsfälle in QA
- KI-gestützte Testfallgenerierung
- Fehlervorhersage mit ML
- Testpriorisierung und risikobasiertes Testen
- Visuelles Testen mit Computer Vision
- Log-Analyse und Anomalieerkennung
- Naturale Sprachverarbeitung (NLP) für Testskripte
KI-Werkzeuge für QA
- Überblick über KI-fähige QA-Plattformen
- Nutzung von Open-Source-Bibliotheken (z. B. Python, Scikit-learn, TensorFlow, Keras) für QA-Prototypen
- Einführung in LLMs in der Testautomatisierung
- Aufbau eines einfachen KI-Modells zur Vorhersage von Testfehlern
Integration von KI in QA-Workflows
- Bewertung der KI-Readiness Ihrer QA-Prozesse
- Continuous Integration und KI: Wie man Intelligenz in CI/CD-Pipelines einbettet
- Gestaltung intelligenter Testsuites
- Verwaltung von KI-Modell-Drift und Re-Training-Zyklen
- Ethische Überlegungen im KI-gestützten Testen
Praktische Labore und Capstone-Projekt
- Lab 1: Automatisierung der Testfallgenerierung mit KI
- Lab 2: Aufbau eines Fehlervorhersagemodells anhand historischer Testdaten
- Lab 3: Nutzung eines LLMs zur Überprüfung und Optimierung von Testskripten
- Capstone: End-to-End-Implementierung einer KI-gestützten Testpipeline
Voraussetzungen
Von den Teilnehmern wird Folgendes erwartet:
- Mind. 2 Jahre Erfahrung in Softwaretest- oder QA-Rollen
- Vertrautheit mit Testautomatisierungswerkzeugen (z. B. Selenium, JUnit, Cypress)
- Grundkenntnisse in der Programmierung (bevorzugt in Python oder JavaScript)
- Erfahrung mit Versionskontroll- und CI/CD-Werkzeugen (z. B. Git, Jenkins)
- Keine Vorkenntnisse in KI/ML erforderlich, jedoch sind Neugier und Bereitschaft zum Experimentieren unerlässlich
Erfahrungsberichte (1)
Der wertvollste Erkenntnisgewinn war das Erlernen der effektiven Nutzung von KI zur Verbesserung der Testaktivitäten, insbesondere durch optimiertes Prompt-Engineering, KI-Agenten, RAG und KI-gestützte Testanalyse.
Tallada Vijayakumar - Advantest Europe GmbH
Kurs - AI Enablement Training Program for Software QA Engineers
Maschinelle Übersetzung
