Kursplan

Introduksjon til AI i QA-automatisering

  • Rolle av AI i moderne programvaretesting
  • Sammenligning av tradisjonelle og AI-forbedrede QA-strategier
  • Oversikt over AI-baserte testingverktøy (Testim, mabl, Functionize)

Generering av tester med AI

  • Modellbasert og UI-basert testgenerering
  • Bruk av Testim eller lignende plattformer til å auto-generere tester
  • Evaluering av testhensikt, stabilitet og gjenbrukbarhet

Regressionstestanalyse og testprioritering

  • Påvirkningsbasert testvalg og -kutt
  • Endringssensitiv testkjøring for store repositorier
  • AI-drevet prioritering basert på risiko og hyppighet

Integrasjon med CI/CD-pipelines

  • Koble automatiserte tester til Jenkins, GitHub Actions eller GitLab CI
  • Automatiske kvalitetsporter og testbakløkker
  • Triggering av tester ved pull-forespørsler og distribusjonshendelser

Feilforutsigelse og anomaliopptekning

  • Analyse av testdata for å forutse sannsynlige feilområder
  • Klustering og triaging av anomali ved hjelp av ML-teknikker
  • Tilbakemeldinger til utviklere ved hjelp av AI-genererte innsikt

Vedlikehold og skaling av AI-baserte tester

  • Hantering av testdrift og UI-endringer
  • Versjonskontroll og testkonfigurering
  • Skaling til virksomhetens nivå for QA-miljøer

Case Studies og reelle verktøy

  • Virksomhetsimplementasjoner av AI- QA-pipelines
  • Beste praksis for teamadopsjon og -utrollinger
  • Lærte leksjoner: suksesser, mislykkede forsøk og justeringer

Sammendrag og neste trinn

Krav

  • Erfaring med programvaretesting eller QA-arbeidsflyt
  • Grunnleggende kjennskap til CI/CD-pipelines og DevOps-praksis
  • Grunnleggende forståelse av automatiserte testingverktøy eller -rammeverk

Målgruppe

  • QA-ledere og testautomatiseringsteknikere
  • DevOps-professionals og SREs (Site Reliability Engineers)
  • Agile tester og kvalitetsledere
 14 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier