Temario del curso
Introducción a la IA en Pruebas de Software
- Descripción general de las capacidades de IA en pruebas y QA
- Tipos de herramientas de IA utilizadas en flujos de trabajo modernos de prueba
- Beneficios y riesgos de la ingeniería de calidad impulsada por IA
LLM para Generación de Casos de Prueba
- Diseño de instrucciones para generar pruebas unitarias y funcionales
- Creación de plantillas de prueba parametrizadas e impulsadas por datos
- Conversión de historias de usuario y requisitos en scripts de prueba
IA en Pruebas Exploratorias y de Casos Extremos
- Identificación de ramas o condiciones no probadas mediante IA
- Simulación de escenarios de uso poco frecuentes o anómalos
- Estrategias de generación de pruebas basadas en riesgo
Pruebas Automatizadas de UI y Regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de interfaz de usuario
- Mantenimiento de pruebas de UI estables mediante selectores auto-reparables
- Análisis de impacto de regresión basado en IA después de cambios de código
Análisis de Fallos y Optimización de Pruebas
- Agrupación de fallos de pruebas utilizando modelos LLM o de aprendizaje automático
- Reducción de pruebas inestables (flaky tests) y fatiga de alertas
- Priorización de la ejecución de pruebas basada en conocimientos históricos
Integración con Pipelines de CI/CD
- Incorporación de generación de pruebas por IA en Jenkins, GitHub Actions o GitLab CI
- Validación de la calidad de las pruebas durante las solicitudes de incorporación de cambios (pull requests)
- Reversiones automatizadas y control inteligente de pruebas en los pipelines
Tendencias Futuras y Uso Responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA
- Gobernanza y trazabilidad de los procesos de prueba mejorados con IA
- Tendencias en plataformas de QA-IA y observabilidad inteligente
Resumen y Próximos Pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA
- Familiaridad con frameworks de pruebas como JUnit, PyTest o Selenium
- Comprensión básica de pipelines de CI/CD y entornos DevOps
Público Objetivo
- Ingenieros de QA
- Ingenieros de Desarrollo en Pruebas (SDET)
- Analistas de software que trabajan en entornos ágiles o DevOps
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática