お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 21 時間
コース概要
QAにおけるAIの入門
- 人工知能とは何か?
- 機械学習 vs ディープラーニング vs ルールベースシステム
- AIによるソフトウェアテストの変遷
- QAにおけるAIの主な利点と課題
テスターのためのデータとMLの基礎
- 構造化データと非構造化データの理解
- 特徴量、ラベル、訓練データセット
- 教師あり学習と教師なし学習
- モデル評価の入門(正解率、再現率、適合率など)
- 実際のQAデータセットの例
QAにおけるAIのユースケース
- AIによるテストケース生成
- MLを用いた欠陥予測
- テスト優先順位付けとリスクベーステスト
- コンピュータビジョンを活用したビジュアルテスト
- ログ解析と異常検知
- テストスクリプト処理における自然言語処理(NLP)
QA向けAIツール
- AI対応QAプラットフォームの概要
- QAプロトタイプ作成におけるオープンソースライブラリ(Python、Scikit-learn、TensorFlow、Kerasなど)の利用
- テスト自動化におけるLLM(大規模言語モデル)の紹介
- テスト失敗を予測するシンプルなAIモデルの構築
QAワークフローへのAI統合
- QAプロセスのAI導入準備度(AI-readiness)の評価
- 継続的統合とAI:CI/CDパイプラインにインテリジェンスを埋め込む方法
- インテリジェントなテストスイートの設計
- AIモデルドリフトの管理と再訓練サイクル
- AI活用テストにおける倫理的配慮
ハンズオンラボとキャプストーンプロジェクト
- ラボ1:AIを用いたテストケース生成の自動化
- ラボ2:過去のテストデータを用いた欠陥予測モデルの構築
- ラボ3:LLMを用いたテストスクリプトのレビューと最適化
- キャプストーン:AI活用テストパイプラインのエンドツーエンド実装
要求
参加者には以下が求められます:
- ソフトウェアテスト/QA業務における2年以上の実務経験
- テスト自動化ツール(Selenium、JUnit、Cypressなど)の知識
- プログラミングの基礎知識(PythonまたはJavaScriptが望ましい)
- バージョン管理ツールおよびCI/CDツール(Git、Jenkinsなど)の実務経験
- AI/MLの既往経験は必須ではありませんが、好奇心と実験 willingness(試行錯誤する意欲)が重要です
お客様の声 (3)
Postman の可能性とその今後の活用
Gordana Gacic - SEE Digital D.O.O.
コース - API Testing with Postman
機械翻訳
実践的な演習により、より多くの情報を記憶しやすくなります
ashley bolen - Insurance Corporation of British Columbia
コース - Test Automation with Selenium
機械翻訳
主要トピックは、トレーナーと事前に話し合って決定することができます。セミナー当日はリラックスした快適な雰囲気で行われます。
Lorenz - Continentale Lebensversicherung AG
コース - Advanced Selenium
機械翻訳