ISTQB Сертифікований тестер – Тестування за допомогою генеративного штучного інтелекту (CT-GenAI)

ISTQB Сертифікований тестер – Тестування за допомогою генеративного штучного інтелекту (CT-GenAI) розширює базовий рівень та надає фахівцям з тестування та інженерії якості структуровану та практичну основу для розуміння того, як, коли та чому використовувати великі мовні моделі (LLM) та інші методи генеративного штучного інтелекту протягом усього процесу тестування.

Курс охоплює як основи генеративного штучного інтелекту (Generative AI), так і його практичне використання в таких видах діяльності, як аналіз вимог, розробка тестів, автоматизація, звітність та постійне вдосконалення. Учасники навчаються застосовувати оперативну інженерію в реальних умовах тестування та відповідально інтегрувати можливості GenAI, керуючи такими ризиками, як упередженість, проблеми безпеки, конфіденційність даних та вплив на навколишнє середовище.

Кому воно адресоване?

Тестувальники програмного забезпечення та UAT-тестувальники
Аналітики тестування та інженери з автоматизації тестування
Менеджери тестування та менеджери з якості
Розробники програмного забезпечення, що беруть участь у тестуванні
Керівники проектів та менеджери з розробки програмного забезпечення
Бізнес-аналітики
ІТ-директори та консультанти, які хочуть ґрунтовно розуміти використання GenAI у тестуванні

Що ти навчишся?

Фундаментальні концепції, можливості та обмеження генеративного штучного інтелекту
Як використовувати LLM на різних етапах процесу тестування
Ефективні методи оперативної інженерії для тестування програмного забезпечення
Як оцінювати та покращувати результати, отримані за допомогою штучного інтелекту
Виявлення та зменшення ризиків, пов'язаних з використанням GenAI
Способи інтеграції рішень на основі LLM в організації тестування
Як зробити свій внесок у визначення стратегії та дорожньої карти впровадження GenAI

Передумови:

Для складання іспиту CT-GenAI сертифікація є обов'язковою:

ISTQB® Сертифікований тестувальник базового рівня (CTFL)

Рекомендується практичний досвід тестування програмного забезпечення та базове розуміння процесів забезпечення якості.

Розклад курсу:

Матеріали курсу англійською мовою. Викладання ведеться румунською мовою.

1. Вступ до генеративного штучного інтелекту для тестування програмного забезпечення

· Основи генеративного штучного інтелекту та основні концепції

· Відмінності між традиційним ШІ, машинним навчанням, глибоким навчанням та генеративним ШІ

· Основи моделей LLM (моделей великих мов програмування)

Типи моделей ШІ: базові моделі, моделі, налаштовані на інструкції, та моделі міркувань

· Мультимодальні моделі та їх використання в тестуванні

· Принципи використання генеративного штучного інтелекту в процесах тестування програмного забезпечення

· Можливості LLM для тестування

· Використання чат-ботів та застосунків штучного інтелекту в тестуванні програмного забезпечення

2. Швидка інженерія для ефективного тестування програмного забезпечення

· Структуруйте та створюйте ефективні підказки

· Основні методи підказування для тестових завдань

· Відмінності між системним запитом та запитом користувача

· Аналіз вимог та тестових сценаріїв за допомогою штучного інтелекту

· Генерація та реалізація тестових випадків за допомогою генеративного штучного інтелекту

· Автоматизація регресійного тестування з підтримкою штучного інтелекту

· Моніторинг та контроль процесів тестування за допомогою штучного інтелекту

· Вибір правильних методів підказування для різних сценаріїв

· Оцінювання результатів, отриманих за допомогою штучного інтелекту

· Метрики для перевірки результатів, отриманих за допомогою генеративного штучного інтелекту

· Ітеративні методи для вдосконалення та оптимізації підказок

3. Управління ризиками, пов'язаними з генеративним штучним інтелектом у тестуванні програмного забезпечення

· Галюцинації, помилки міркування та упередження в моделях штучного інтелекту

· Виявлення проблем у результатах, отриманих за допомогою LLM

· Методи зменшення галюцинацій та покращення узгодженості результатів

· Ризики безпеки даних та конфіденційності

· Вразливості, пов'язані з використанням штучного інтелекту в процесах тестування

· Стратегії захисту даних та підвищення безпеки

· Вплив споживання енергії та використання штучного інтелекту на навколишнє середовище

· Нормативні акти, стандарти та належні практики, що стосуються штучного інтелекту

4. Інфраструктура тестування на основі LLM

· Архітектури для тестових інфраструктур на основі штучного інтелекту

· Основні компоненти та концепції інфраструктур на базі LLM

· Вступ до генерації з доповненим пошуком даних (RAG)

· Роль агентів штучного інтелекту в автоматизації процесів тестування

· Точне налаштування моделей штучного інтелекту, що використовуються в тестуванні

· Вступ до LLMOps для розгортання та управління моделями штучного інтелекту

5. Впровадження генеративного штучного інтелекту в тестових організаціях

· Стратегії впровадження генеративного штучного інтелекту в тестуванні програмного забезпечення

· Ризики неконтрольованого використання ШІ (тіньового ШІ)

Основні елементи стратегії тестування ШІ

· Вибір моделей LLM та SLM для тестування

· Етапи впровадження генеративного штучного інтелекту в організаціях

· Управління змінами в контексті впровадження штучного інтелекту

· Навички та знання, необхідні для тестування за допомогою штучного інтелекту

· Розвиток можливостей штучного інтелекту в командах тестування

· Еволюція процесів тестування в організаціях, що використовують штучний інтелект

Програми сертифікації

Структура іспиту

Кількість питань: 40
Мінімальний прохідний бал: 30 балів (65%)
Загальна кількість балів: 46
Тривалість іспиту: 60 хвилин
- +25% додаткового часу для кандидатів, які не є носіями мови

Курс поширених запитань ISTQB Сертифікований тестер – Тестування за допомогою генеративного штучного інтелекту (CT-GenAI)

Як сертифікація сприяє ISTQB CT-GenAI збільшить рентабельність інвестицій у процеси тестування?

Сертифікація дозволяє ефективно використовувати генеративні моделі штучного інтелекту для автоматизації створення тестових випадків та синтетичних даних, значно скорочуючи операційні витрати та час виконання тестування.

Як це навчання зменшує витрати компаній на розробку програмного забезпечення?

Інтегруючи штучний інтелект протягом усього циклу тестування, команди можуть пришвидшити процеси аналізу, виконання та звітності, зменшуючи потребу в ручних ресурсах та скорочуючи час виведення продукту на ринок.

Які конкретні фінансові вигоди можуть отримати компанії, впроваджуючи GenAI у тестуванні?

Організації можуть зменшити кількість виробничих дефектів, оптимізувати ресурси контролю якості та підвищити продуктивність команди, що призводить до прямої економії та покращення якості результатів.

Як курс підтримує цифрову трансформацію та стратегію ШІ організації?

Навчання надає навички інтеграції штучного інтелекту в інфраструктуру тестування та розробки масштабованої стратегії впровадження GenAI, узгодженої з бізнес-цілями.

Який вплив на продуктивність команд контролю якості після сертифікації?

Команди отримують можливість автоматично генерувати артефакти тестування та оптимізувати існуючі процеси, значно збільшуючи продуктивність без пропорційного збільшення витрат.

Якою мірою сертифікація сприяє конкурентній перевазі на ринку?

Компанії, які впроваджують штучний інтелект у тестуванні на ранніх етапах, можуть досягати швидших та ефективніших результатів, позиціонуючи себе як лідерів в інноваціях та якості програмного забезпечення.

Який очікуваний період окупності інвестицій (ROI) для цього навчання?

Завдяки зниженню витрат на тестування та підвищенню ефективності, рентабельність інвестицій може бути досягнута швидко, особливо в організаціях з інтенсивними процесами забезпечення якості та частими проектами.

Який очікуваний період окупності інвестицій (ROI) для цього навчання?

Як курс сприяє масштабуванню операцій з контролю якості у великих компаніях?

Використовуючи LLM та інтелектуальну автоматизацію, компанії можуть масштабувати процеси тестування без лінійного зростання команди, оптимізуючи витрати в довгостроковій перспективі.

Чому компанії повинні інвестувати в цей тип сертифікації зараз?

Генеративний штучний інтелект переосмислює стандарти тестування, а брак внутрішніх навичок може призвести до втрати конкурентоспроможності та зростання витрат у майбутньому.

Чому мені показують цю сторінку?

Цю сторінку було повернуто на основі ваших пошукових запитів, які містять такі терміни, як: ct genai, istqb сертифікований тестер, тестування за допомогою генеративного штучного інтелекту ct genai, тестування за допомогою генеративного штучного інтелекту.