Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction à l'IA pour la QA

  • Qu'est-ce que l'intelligence artificielle ?
  • Apprentissage automatique vs Apprentissage profond vs Systèmes basés sur des règles
  • L'évolution des tests logiciels avec l'IA
  • Principaux avantages et défis de l'IA en QA

Données et bases de l'AM pour les testeurs

  • Comprendre les données structurées vs non structurées
  • Caractéristiques, étiquettes et jeux de données d'entraînement
  • Apprentissage supervisé et non supervisé
  • Introduction à l'évaluation des modèles (précision, rappel, etc.)
  • Jeux de données QA du monde réel

Cas d'usage de l'IA en QA

  • Génération de cas de test alimentée par l'IA
  • Prévision des défauts à l'aide de l'AM
  • Prériorisation des tests et tests basés sur les risques
  • Tests visuels avec la vision par ordinateur
  • Analyse des journaux et détection d'anomalies
  • Traitement du langage naturel (NLP) pour les scripts de test

Outils d'IA pour la QA

  • Aperçu des plateformes QA dotées de fonctions IA
  • Utilisation de bibliothèques open source (ex. : Python, Scikit-learn, TensorFlow, Keras) pour des prototypes QA
  • Introduction aux grands modèles de langage (LLM) dans l'automatisation des tests
  • Construction d'un modèle d'IA simple pour prédire les échecs de tests

Intégration de l'IA dans les flux de travail QA

  • Évaluation de la maturité IA de vos processus QA
  • Intégration continue et IA : comment intégrer l'intelligence dans les pipelines CI/CD
  • Conception de suites de tests intelligentes
  • Gestion de la dérive des modèles d'IA et des cycles de réentraînement
  • Considérations éthiques dans les tests alimentés par l'IA

Travaux pratiques et projet de fin de cours

  • Labo 1 : Automatiser la génération de cas de test à l'aide de l'IA
  • Labo 2 : Créer un modèle de prévision des défauts à partir de données de tests historiques
  • Labo 3 : Utiliser un LLM pour réviser et optimiser les scripts de test
  • Projet de fin : Mise en œuvre de bout en bout d'un pipeline de tests alimenté par l'IA

Pré requis

Les participants sont attendus avec :

  • 2 ans d'expérience minimum dans des rôles de test logiciel/QA
  • Familiarité avec les outils d'automatisation des tests (ex. : Selenium, JUnit, Cypress)
  • Connaissances de base en programmation (de préférence en Python ou JavaScript)
  • Expérience avec les outils de contrôle de version et CI/CD (ex. : Git, Jenkins)
  • Aucune expérience préalable en IA/AM n'est requise, bien que la curiosité et la volonté d'expérimenter soient essentielles

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires