お問い合わせ

コース概要

モジュール1:QAにおけるAI入門

  • 人工知能とは何か?
  • 機械学習・ディープラーニング・ルールベースシステムの違い
  • AIがソフトウェアテスティングに与えた進化の影響
  • QAにおけるAI導入の主なメリットおよび課題

モジュール2:テスター向けデータ・機械学習基礎

  • 構造化データと非構造化データの違いを理解する
  • フィーチャー、ラベル、学習用データセットについて把握する
  • 教師あり学習と教師なし学習の違い
  • モデル評価手法の基礎(精度、適合率、再現率など)
  • QA用途で活用可能な実際のデータセット例

モジュール3:QAにおけるAIの具体的応用例

  • AIを活用したテストケース生成
  • 機械学習による欠陥予測
  • テストの優先順位付けおよびリスクベースドテスティングへの応用
  • コンピュータビジョンを用いたビジュアルテスティング
  • ログ解析および異常検出への活用
  • 自然言語処理(NLP)を利用したテストスクリプトの生成や最適化

モジュール4:QA向けAIツール紹介

  • AI対応型QAプラットフォームの概要
  • Python、Scikit-learn、TensorFlow、Kerasといったオープンソースライブラリを活用した簡易的なQAプロトタイプ開発方法
  • テスト自動化における大規模言語モデル(LLM)の導入事例
  • テスト失敗予測用AIモデルの簡単な構築方法

モジュール5:QAワークフローへのAI導入方法

  • ​現在のQAプロセスがAI導入に適しているかを評価する手法
  • 継続的統合/CI/CDパイプラインへのAI技術組み込み方
  • インテリジェントなテストスイートの設計手法
  • AIモデルの性能変化や再学習サイクル管理について理解する
  • AI駆動型テスティングにおける倫理的な配慮事項

モジュール6:実習および総合課題

  • 実習1:AIを活用したテストケース生成の自動化
  • 実習2:過去のテストデータから欠陥予測モデルを構築する
  • 実習3:大規模言語モデルを用いてテストスクリプトをレビュー・最適化する
  • 総合課題:AI駆動型テスティングパイプラインを一通り構築すること

要求

参加者には以下の条件が求められます:

  • ソフトウェアテスト/QA業務での2年以上の経験があること
  • テスト自動化ツール(Selenium、JUnit、Cypressなど)に精通していること
  • プログラミングに関する基礎知識があること(特にPythonまたはJavaScriptが望ましい)
  • GitやJenkinsなどのバージョン管理ツールおよびCI/CDツールの利用経験があること
  • AI/機械学習の事前知識は必須ではありませんが、探究心と実践への意欲が不可欠です
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (3)

今後のコース

関連カテゴリー