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
Basados en datos y ML para probadores
- Comprensión de datos estructurados vs. no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, exactitud, recuperación, etc.)
- Conjuntos de datos de QA del mundo real
Casos de uso de IA en QA
- Generación de casos de prueba impulsada por IA
- Predicción de defectos utilizando ML
- Priorización de pruebas y pruebas basadas en riesgos
- Pruebas visuales con visión por computadora
- Análisis de registros y detección de anomalías
- Procesamiento de lenguaje natural (NLP) para guiones de prueba
Herramientas de IA para QA
- Visión general de las plataformas de QA habilitadas con IA
- Uso de librerías de código abierto (p. ej., Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los LLMs en la automatización de pruebas
- Construcción de un modelo de IA simple para predecir fallos de pruebas
Integración de la IA en los flujos de trabajo de QA
- Evaluación de la preparación de sus procesos de QA para la IA
- Integración continua e IA: cómo incorporar inteligencia en las pipelines de CI/CD
- Diseño de suites de prueba inteligentes
- Gestión de la deriva del modelo de IA y ciclos de reentrenamiento
- Consideraciones éticas en las pruebas impulsadas por IA
Laboratorios prácticos y proyecto de finalización
- Laboratorio 1: Automatizar la generación de casos de prueba utilizando IA
- Laboratorio 2: Crear un modelo de predicción de defectos utilizando datos de pruebas históricos
- Laboratorio 3: Utilizar un LLM para revisar y optimizar guiones de prueba
- Proyecto final: Implementación de principio a fin de una pipeline de pruebas impulsada por IA
Requerimientos
Se espera que los participantes tengan:
- 2+ años de experiencia en roles de pruebas/QA de software.
- 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.
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 4350 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
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