Solicitar información

Temario del curso

Módulo 1: Introducción a la IA para el Control de Calidad

  • ¿Qué es la inteligencia artificial?
  • Aprendizaje automático, aprendizaje profundo y sistemas basados en reglas
  • La evolución del testing de software impulsada por la IA
  • Ventajas y desafíos clave de la aplicación de la IA en el control de calidad

Módulo 2: Conceptos básicos sobre datos y aprendizaje automático para probadores

  • Diferencias entre datos estructurados y no estructurados
  • Características, etiquetas y conjuntos de datos para el entrenamiento
  • Aprendizaje supervisado y no supervisado
  • Introducción a la evaluación de modelos (precisión, sensibilidad, especificidad, etc.)
  • Ejemplos de conjuntos de datos utilizados en el control de calidad

Módulo 3: Casos de uso de la IA en el Control de Calidad

  • Generación automática de casos de prueba mediante IA
  • Predicción de errores mediante técnicas de aprendizaje automático
  • Priorización de pruebas y evaluación basada en riesgos
  • Pruebas visuales mediante visión por computadora
  • Análisis de registros de sistema y detección de anomalías
  • Procesamiento del lenguaje natural para la creación de scripts de prueba

Módulo 4: Herramientas de IA aplicadas al Control de Calidad

  • Panorama general sobre plataformas de control de calidad potenciadas por la IA
  • Uso de bibliotecas de código abierto como Python, Scikit-learn, TensorFlow y Keras para desarrollar prototipos relacionados con el control de calidad.
  • Introducción al uso de modelos de lenguaje grandes (LLM) en la automatización de pruebas
  • Elaboración de un modelo simple de IA para predecir posibles fallos durante las pruebas

Módulo 5: Integración de la IA en los flujos de trabajo del Control de Calidad

  • Evaluación del grado de preparación de un proceso de control de calidad para integrar la IA
  • Integración continua y aplicación de modelos inteligentes en las tuberías CI/CD
  • Diseño de conjuntos de pruebas inteligentes
  • Gestión del deterioro de los modelos de IA y frecuencia de su reentrenamiento
  • Consideraciones éticas en el uso de la IA para el testing de software

Módulo 6: Talleres prácticos y proyecto final

  • Taller 1: Automatización de la generación de casos de prueba con ayuda de la IA
  • Taller 2: Construcción de un modelo para predecir errores basado en datos históricos de pruebas
  • Taller 3: Utilización de modelos LLM para revisar y optimizar scripts de prueba
  • Proyecto final: Implementación completa de un sistema de testing impulsado por IA

Requerimientos

Se espera que los participantes cuenten con:

  • Más de 2 años de experiencia desempeñándose en roles relacionados con el testing o control de calidad del software.
  • Conocimiento previo sobre herramientas de automatización de pruebas (por ejemplo, Selenium, JUnit, Cypress).
  • Conocimientos básicos de programación (preferiblemente en Python o JavaScript).
  • Experiencia con sistemas de control de versiones y herramientas de integración/despliegue continuo, como Git o Jenkins.
  • No se requiere experiencia previa en IA o aprendizaje automático; sin embargo, es fundamental tener curiosidad e iniciativa para experimentar con estas tecnologías.
 21 Horas

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.
Inversión

Precio por grupo privado (formación online) desde 4350 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Reseñas (4)

Próximos cursos

Categorías Relacionadas