Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Varighet 21 timer
Kursplan
Grundeleggene i kvalitetsstyring og testing
- Definere kvalitet, kvalitetsstyring og testing
- De syv testprinsippene (ISTQB CTFL v4.0)
- Testing vs. feilsøking vs. kvalitetskontroll
- Psykologien bak testing
- Roller og ansvar i et QA-lag
Programvarelivssyklusen og testing
- Faser i programvaretestlivssyklusen (STLC)
- Testing tilnærminger for vannfall, agile, DevOps og CI/CD
- Testnivåer: enhet, integrasjon, system, akseptans
- Shift-left og shift-right teststrategier
- Sporbarhet mellom krav og testtilfeller
Statisk testteknikk
- Gjennomgang, walkthrough og inspeksjon
- Statisk analyse ved hjelp av automatiserte verktøy
- Sjekklassebasert og rollebasert gjennomgang
- Formelle og uformelle gjennomgangsteknikker
- Integrering av statisk testing i agile arbeidsflyter
Testteknikker
- Svartboks-teknikker: ekvivalensdeling, grenseverdianalyse
- Beslutningstabelltesting og statsovergangstesting
- Brukstest og utforskende testing
- Hvitboks-teknikker: setnings- og beslutningsdekning
- Erfaringsbaserte teknikker og feilgjetting
Feilhåndtering
- Feil-livssyklus: oppdagelse, rapportering, triage, løsning, lukking
- Skrive effektive feilrapporter med JIRA
- Klassifisering av feilalvorlighetsgrad vs. prioritet
- Teknikker for rotårsaksanalyse
- Feilmålinger og trendanalyse
Teststyring og risikobasert testing
- Testplanlegging og estimeringsmetoder
- Risikoidentifisering, vurdering og medforhaling
- Testovervåking, kontroll og rapportering
- Definere testfullføringskriterier og avslutningsbetingelser
- ISTQB-samsvarende teststrategi og testpolicydokumenter
Testverktøy og automatiseringsgrunder
- Klassifisering av testverktøy (ISTQB verktøykategorier)
- Fordele og risiko ved testautomatisering
- Velge verktøy: open source vs. kommersielle løsninger
- Innføring av Selenium, Playwright og Cypress
- Bygge en grunnleggende automatisert testsuite
Innføring av AI i kvalitetsstyring
- Konsepter for AI og maskinlæring for testere
- Taksonomi: AI for testing vs. testing av AI-systemer
- Aktuelle AI-testlandskap: muligheter og begrensninger
- Kvalitetsegenskaper for AI-baserte systemer
- ISTQB CT-AI silabusoversikt og relevans
AI-assistert testtilfellesgenerering
- Bruke LLMer (ChatGPT, Claude, Copilot) for utkast til testtilfeller
- Prompt engineering teknikker for generering av testscenarioer
- Konvertere brukersaker og akseptanskriterier til testtilfeller
- Overprøve og validere AI-genererte testtilfeller
- Plattformer: Testim, Mabl og AI-native testgenereringsverktøy
AI-assistert testautomatisering
- Selv-helbredende testautomatisering med Katalon Studio AI
- AI-drevet objektgjenkjenning og elementplassering
- Visuell regresjonstest med Applitools Eyes
- Selenium med AI-pluginer for robust automatisering
- Mindre vedlikeholdsarbeid med intelligente lokalisatorer
AI for feilprediksjon og analyse
- Prediksjonsbasert testvalg med Launchable og Sealights
- Feilklynge og anomalioppdagelse med ReportPortal
- AI-assistert rotårsaksanalyse
- Kvalitetsrisikopoeng og testgapanalyse
- Bruke historiske feildata for å prioritere testing
AI-verktøyvurdering og CI/CD-integrasjon
- Kriterier for vurdering av AI-testverktøy
- ROI-analyse og innføringsstrategi
- Integrasjon av AI-testverktøy i Jenkins, GitHub Actions, GitLab CI
- Sløyfedesign: når og hvor man skal kjøre AI-drevne tester
- Måle effektiviteten til AI-testing med målinger
Ethiske overvegelser i AI-drevet testing
- Forurensing og rettferdighet i AI-genererte testdata
- Personvernssaker ved bruk av skybaserte AI-verktøy
- Gjennomsiktighet og forklarbarhet i AI-testbeslutninger
- Styring og samsvarsovervegelser
- Ansvarlig AI-praksis for QA-lag
Forberedelse til ISTQB CTFL-eksamen
- CTFL v4.0 eksamensstruktur, varighet og poengsum
- Spoertyper og svarstrategier
- Emnevektfordeling gjennom CTFL silabuskapitler
- Prøveeksamen med ISTQB-stil prøveoppgaver
- Studietillegg og anbefalte ressurser
Capstone: Ende-til-ende AI-forbedret testarbeidsflyt
- Designe testtilfeller fra et prøvekravdokument
- Bruke AI til å generere og forbedre testscenarioer
- Automatisere valgte tester med selv-helbredende verktøy
- Rapportere feil og kjøre AI-assistert rotårsaksanalyse
- Retrospektiv: Integrasjon av AI i daglig QA-praksis
Krav
- Basisk forståelse av programvareutviklingskonsepter og terminologi
- Grunnleggende kjennskap til programvaretest
- Ingen forutgående ISTQB-sertifisering eller formell QA-opplæring kreves
Målgruppe
- QA-profesjonelle og softwarereportere som forbereder seg til ISTQB Foundation Level-sertifisering
- Testingeniører som ønsker å integrere AI-verktøy i sine testarbeidsflyter
- Lag som går over fra ad-hoc-test til strukturrerte QA-rammeverk
