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
Modül 1: AI için QA'ya Giriş
- Yapay Zeka nedir?
- Machine Learning vs Deep Learning vs Kurallara Dayalı Sistemler
- Yapay Zekanın Yazılım Testindeki Gelişimi
- QA'da YZ'nin Temel Faydaları ve Zorlukları
Modül 2: Testçiler İçin Veri ve Öğrenme Temelleri
- Süslü vs. Süsüz Veri Anlamak
- Özellikler, etiketler ve eğitim veri kümeleri
- Öz-Yönetimli ve Öz-Gözlemli Öğrenme
- Model değerlendirme giriş (doğruluk, hassasiyet, geri çağırma vb.)
- Gerçek dünya QA veri kümeleri
Modül 3: QA'da AI Use Caseler
- YZ ile test durumu oluşturma
- ML kullanarak hata tahmini yapma
- Test önceliklendirme ve risk tabanlı testler
- Bilgisayar görüşü ile görsel testler
- Günlük kayıtların analizi ve abnormalleri tespit etme
- Test betikleri için doğal dil işleme (NLP)
Modül 4: QA İçin AI Araçları
- YZ ile desteklenen QA platformlarının genel bir bakışı
- QA prototipleri için açık kaynaklı kütüphanelerin kullanımı (örn., Python, Scikit-learn, TensorFlow, Keras)
- Test otomasyonunda LLM'ler için giriş
- Test başarısızlıklarını öngörmek için basit bir YZ modeli oluşturma
Modül 5: QA İş Akışlarına AI'nin Entegrasyonu
- QA süreçlerinin YZ uygunluğunu değerlendirmek
- Sürekli entegrasyon ve AI: akıllılık CI/CD pipeline'larımıza nasıl yerleştirilir
- Açıklayıcı test kümeleri tasarlamak
- YZ model kayması ve yeniden eğitim döngülerini yönetme
- YZ destekli testlerde etik düşünceler
Modül 6: Elle Çalışma Labları ve Süreç Projesi
- Lab 1: YZ kullanarak test durumu oluşturma otomasyonu
- Lab 2: Geçmiş test verileri kullanarak bir hata tahmini modeli oluşturma
- Lab 3: Bir LLM kullanarak test betiklerini gözden geçirme ve iyileştirme
- Süreç: YZ destekli test pipeline'nın tüm süreci uygulaması
Kurs İçin Gerekli Önbilgiler
Katılımcıların şunları bilmeleri beklenmektedir:
- Yazılım testi/QA rollerinde 2+ yıl deneyimi
- Test otomasyon araçlarıyla tanıma (örn., Selenium, JUnit, Cypress)
- Temel programlama bilgisi (öncelikle Python veya JavaScript)
- Versiyon kontrol ve CI/CD araçlarıyla deneyim (örn., Git, Jenkins)
- Önceden AI/ML deneyimi gerektirmez, ancak merak ve denemek isteme niyeti temeldir.
21 Saat
Danışanlarımızın Yorumları (5)
Öğretim Yöntemi
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Eğitim - SoapUI for API Testing
Yapay Zeka Çevirisi
Her şeyi sevdim çünkü hepsi bana yeni ve işime katacağı değerli kazanımları görebiliyorum.
Zareef - BMW South Africa
Eğitim - Tosca: Model-Based Testing for Complex Systems
Yapay Zeka Çevirisi
Konu hakkında çok genel bir bakış, kurs bilgisine uygun şekilde tüm önkoşul bilgilerini içeren.
James Hurburgh - Queensland Police Service
Eğitim - SpecFlow: Implementing BDD for .NET
Yapay Zeka Çevirisi
Anlaması ve uygulaması kolaydı.
Thomas Young - Canadian Food Inspection Agency
Eğitim - Robot Framework: Keyword Driven Acceptance Testing
Yapay Zeka Çevirisi
Etkinlik sayısı. (Not: "hands-on exercises" ifadesi eğitim ve öğrenme bağlamında "etkileşimli çalışmalara" veya "pratik etkinliklere" denkleştirilebilir. Ancak, verilen cümle oldukça kısaltılmış olduğundan ve tam bir bağlam eksik olduğundan, genel bir terim olan "etkinlik sayısı" olarak çeviri yapılmıştır.) Dikkat: Kullanıcı sadece "Amount of hands-on exercises" ifadesinin çevirisi istemiş olsa da, çeviride biraz daha anlamlı bir ifade sağlamak adına "Etkinlik sayısı" şeklinde çevrildi. Ancak kullanıcıya verilen talimatlara göre tam olarak istenen metni çevirmek gerekirse: Elle yapılan egzersizlerin miktari. Bu şekilde daha doğrudur ancak Türkçe'de doğal akışa sahip olmayabilir. Bu nedenle, en uygun çeviriyi belirlemek için daha fazla bağlam gerekebilir.
Jakub Wasikowski - riskmethods sp. z o.o
Eğitim - API Testing with Postman
Yapay Zeka Çevirisi
