Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Software Testing'deki AI'ye Giriş
- Test ve QA'da AI yeteneklerinin özeti
- Modern test akışlarında kullanılan AI araçlarının türleri
- AI-destekli kalite mühendisliği'nin faydaları ve riskleri
Test Senaryosu Oluşturma için LLM'ler
- Birim ve işlevsel test oluşturma için istek mühendisliği
- Parametreleştirilmiş ve veri-odaklı test şablonlarının oluşturulması
- Kullanıcı hikayelerini ve gereksinimleri test betiklerine dönüştürme
Araştırma ve Kenar Durum Testindeki AI Kullanımı
- AI kullanarak denenmemiş dalları veya koşulları belirleme
- Nadir veya anormal kullanım senaryolarını benzetme
- Risk tabanlı test oluşturma stratejileri
Otomatik UI ve Gerileme Testleri
- Testim veya mabl gibi AI araçlarının UI test oluşturmada kullanımı
- Kendiliğinden iyileşen seçicilerle istikrarlı UI testlerinin sürdürülmeleri
- Kod değişiklikleri sonrası AI tabanlı gerileme etki analizi
Hata Analiz ve Test Optimizasyonu
- LLM veya ML modelleri kullanarak test hatalarının kümeleme
- Sallantılı test yürütmelerini ve uyarı uyuşmazlığını azaltma
- Tarihsel bilgilere dayalı test yürütümün önceliklendirilmesi
CI/CD Pipeline Entegrasyonu
- Jenkins, GitHub Eylemleri veya GitLab CI'ye AI test oluşturma entegrasyonu
- Pull istekleri sırasında test kalitesinin doğrulanması
- Bahanelerde otomasyon geri alımı ve akıllı test engellemesi
Gelecekteki Trendler ve QA'daki AI'nin Sorumlu Kullanımı
- AI-oluşturulan testlerin doğruluğunu ve güvenliğini değerlendirme
- AI-zenginleştirilmiş test süreçleri için Governance ve iz sürme yolları
- AI-QA platformlarında ve akıllı gözlemdeki trendler
Özet ve Gelecek Adımlar
Kurs İçin Gerekli Önbilgiler
- Yazılım test deneyimi, test planlaması veya otomatikleştirilmiş kalite kontrolü (QA) deneyimi
- JUnit, PyTest veya Selenium gibi test çerçevelerine aşinalık
- Kanarya dağıtımları ve CI/CD pipeline'larına temel düzeyde bilgi sahibi olunması
Hedef Kitle
- QA mühendisleri
- Sonuç Testinde Yazılım Geliştirme Mühendisleri (SDETs)
- Ağil veya kanarya ortamlarında çalışan yazılım testleyicileri
Test ve QA'da AI'ye Giriş
- Test ve QA'daki AI yeteneklerinin genel bakışı
- Güncel test akışlarında kullanılan AI araçları türleri
- Aİ ile yönetilen kalite mühendisliği'nin avantajları ve riskleri
Deneme Senaryosu Üretimi için LLM'ler
- Birim ve işlevsellik testlerini üretmek için uyarı mühendisliği
- Parametreleştirilmiş ve veri-odaklı test şablonlarının oluşturulması
- Kullanıcı hikayelerini ve gereksinimleri test betiklerine dönüştürme
AI ile Keşifçi ve Kenar Durum Testlemesi
- AI kullanarak test edilmemiş dalları veya koşulları belirleme
- Selamlama veya anormallik durumlarının simüle edilmesi
- Risk tabanlı test üretime stratejileri
Otomatik UI ve Gerileme Testlemesi
- Testim veya mabl gibi AI araçlarını kullanarak UI testlerinin oluşturulması
- Kendiliğinden iyileşen seçiciler ile sabit UI testleri koruma
- Kod değişikliklerinden sonra AI tabanlı gerileme etkisi analizi
Başarısızlık Analizi ve Test Optimizasyonu
- LLM veya ML modelleri kullanarak test başarısızlıklarının kümeleme
- Karmakarışık test işlemlerini ve uyarıcı yorgunluklarını azaltma
- Tarihsel bilgiler temelinde test yürütümü önceliklendirme
CI/CD Kanal Entegrasyonu
- Aİ test üretimini Jenkins, GitHub Eylemleri veya GitLab CI'ye oturtturma
- Pull talepleri sırasında test kalitesinin doğrulanması
- Kanallarda otomasyon geri alma ve akıllı test kilitleri
Gelecekteki Trendler ve QA'da Aİ'nin Sorumluluyla Kullanımı
- Aİ üretilmiş testlerin doğruluğunu ve güvenliğini değerlendirme
- Test işlemi için Aİ'yi zenginleştirme yönetimi ve denetim yolları
- Aİ-QA platformlarında ve akıllı izlemede trendler
Özet ve Sonraki Adımlar
AI-Augmented Test Generation and Quality Engineering yapay zeka araçlarının ve büyük dil modellerinin (LLM'lerin) nasıl test kapsamlarını artırarak, test oluşturma süresini kısaltarak ve kalite kontrolü süreçlerini geliştirerek kullanılacağını keşfeder.
Bu eğitmenle canlı eğitim (önline veya site), AI ile yönetilen araçlar ve uygulamalar kullanarak test stratejilerini otomatikleştirmek ve geliştirmeyi isteyen orta düzeyli QA profesyonellerine yöneliktir.
Eğitim sonunda katılımcılar şunları yapabilecektir:
- AI araçları ve uyarıları kullanarak birim, entegrasyon ve UI testleri oluşturma
- Aİ'yi keşifçi testler, kenar durum keşfi ve gerileme analizine yönelik LLM'lerin kullanımı
- Aİ destekli triaj ile test başarısızlıklarının ve anomali kümeleme ve önceliklendirme
- CI/CD kanalları içinde AI tabanlı testleri entegre etmek için teslim güvenliğinin artırılması.
Eğitim Formatı
- Aktif derseme ve tartışma.
- Fazla uygulama ve alıştırma.
- Canlı-laboratuvar ortamında uygulamalar.
Eğitimi Özel Taleplere Uyarlama Seçenekleri
- Bu kurs için özel bir eğitim talep etmek için lütfen bize iletişime geçin.
- Yazılım testi, test planlaması veya QA otomasyonunda deneyim
- JUnit, PyTest veya Selenium gibi test çerçevelerine aşinalık
- Kanarya dağıtımları ve CI/CD pipeline'larına temel düzeyde bilgi sahibi olunması
Hedef Kitle
- QA mühendisleri
- Sonuç Testinde Yazılım Geliştirme Mühendisleri (SDETs)
- Ağil veya kanarya ortamlarında çalışan yazılım testleyicileri
14 Saat
