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 21 horas
Temario del curso
Introducción a la IA para QA
- ¿Qué es la Inteligencia Artificial?
- Aprendizaje automático vs. Aprendizaje profundo vs. Sistemas basados en reglas
- La evolución de la prueba de software con IA
- Beneficios y desafíos clave de la IA en QA
Datos y fundamentos de ML para probadores
- Comprensión de datos estructurados vs. no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, exactitud, recalls, etc.)
- Conjuntos de datos de QA en el mundo real
Casos de uso de IA en QA
- Generación de casos de prueba potenciada por IA
- Predicción de defectos usando ML
- Priorización de pruebas y pruebas basadas en riesgos
- Pruebas visuales con visión por computadora
- Análisis de registros y detección de anomalías
- Procesamiento de lenguaje natural (NLP) para scripts de prueba
Herramientas de IA para QA
- Resumen de plataformas de QA habilitadas con IA
- Uso de bibliotecas de código abierto (p. ej., Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los LLM en la automatización de pruebas
- Construcción de un modelo de IA simple para predecir fallos en pruebas
Integración de IA en flujos de trabajo de QA
- Evaluación de la preparación para IA de sus procesos de QA
- Integración continua y IA: cómo incorporar inteligencia en las pipelines de CI/CD
- Diseño de suites de pruebas inteligentes
- Gestión de la deriva de modelos de IA y ciclos de reentrenamiento
- Consideraciones éticas en las pruebas potenciadas por IA
Laboratorios prácticos y proyecto integrador
- Laboratorio 1: Automatización de la generación de casos de prueba usando IA
- Laboratorio 2: Creación de un modelo de predicción de defectos usando datos históricos de pruebas
- Laboratorio 3: Uso de un LLM para revisar y optimizar scripts de prueba
- Proyecto integrador: Implementación de extremo a extremo de una pipeline de pruebas potenciada por IA
Requerimientos
Se espera que los participantes cuenten con:
- Más de 2 años de experiencia en roles de pruebas de software/QA
- Conocimiento de herramientas de automatización de pruebas (p. ej., Selenium, JUnit, Cypress)
- Conocimientos básicos de programación (preferiblemente en Python o JavaScript)
- Experiencia con herramientas de control de versiones y CI/CD (p. ej., Git, Jenkins)
- No se requiere experiencia previa en IA/ML, aunque la curiosidad y la disposición para experimentar son esenciales
Reseñas (4)
Las posibilidades de Postman y su uso futuro.
Gordana Gacic - SEE Digital D.O.O.
Curso - API Testing with Postman
Traducción Automática
ejercicios prácticos, lo que facilita la retención de información
ashley bolen - Insurance Corporation of British Columbia
Curso - Test Automation with Selenium
Traducción Automática
Los ejercicios que vimos en el curso fueron bastante útiles y aplicables a mis actividades en el trabajo, se resolvieron las dudas y los ejemplos compartidos son bastante útiles.
jocelin salas - BANXICO
Curso - Test Automation with Selenium and Python
La forma en que se abordaron los temas técnicos de manera práctica, con ejemplos reales y una excelente actitud del instructor.
