Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a la IA en pruebas de software
- Panorama de las capacidades de la IA en pruebas y QA
- Tipos de herramientas de IA utilizadas en flujos de trabajo de pruebas modernos
- Beneficios y riesgos de la ingeniería de calidad impulsada por IA
LLMs para la generación de casos de prueba
- Ingeniería de prompts para generar pruebas unitarias y funcionales
- Creación de plantillas de pruebas parametrizadas y basadas en 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 utilizando IA
- Simulación de escenarios de uso raros o anormales
- Estrategias de generación de pruebas basadas en riesgos
Pruebas automáticas de UI y regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de UI
- Mantenimiento de pruebas de UI estables mediante selectores autoguaribles
- Análisis de impacto de regresión basado en IA tras cambios en el código
Análisis de fallas y optimización de pruebas
- Agrupación de fallas de pruebas utilizando modelos LLM o ML
- Reducción de ejecuciones de pruebas inestables (flaky tests) y la fatiga por alertas
- Priorización de la ejecución de pruebas basada en perspectivas históricas
Integración en tuberías de CI/CD
- Incorporación de la generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI
- Validación de la calidad de pruebas durante las solicitudes de extracción (pull requests)
- Deshacer automatizaciones y control inteligente de pruebas en las tuberías
Tendencias futuras y uso responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA
- Gobernanza y trazas de auditoría para procesos de pruebas mejorados con IA
- Tendencias en plataformas de IA-QA y observabilidad inteligente
Resumen y próximos pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA
- Familiaridad con marcos de trabajo de pruebas como JUnit, PyTest o Selenium
- Comprensión básica de tuberías de CI/CD y entornos DevOps
Público objetivo
- Ingenieros de QA
- Ingenieros de desarrollo de software en pruebas (SDETs)
- Probadores de software que trabajan en entornos ágiles o DevOps
Reseñas (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