Temario del curso
Módulo 1: Introducción a la IA para QA
- ¿Qué es la Inteligencia Artificial?
- Aprendizaje Automático vs. Aprendizaje Profundo vs. Sistemas Basados en Reglas
- La evolución de las pruebas de software con IA
- Beneficios clave y desafíos de la IA en QA
Módulo 2: Fundamentos de Datos y ML para Probadores
- Comprensión de datos estructurados frente a no estructurados
- Características, etiquetas y conjuntos de datos de entrenamiento
- Aprendizaje supervisado y no supervisado
- Introducción a la evaluación de modelos (precisión, precisión, recuperación, etc.)
- Conjuntos de datos de QA del mundo real
Módulo 3: Casos de Uso de IA en QA
- Generación de casos de prueba impulsada por IA
- Predicción de defectos utilizando 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
Módulo 4: Herramientas de IA para QA
- Descripción general de plataformas de QA habilitadas para IA
- Uso de bibliotecas de código abierto (por ejemplo, Python, Scikit-learn, TensorFlow, Keras) para prototipos de QA
- Introducción a los Modelos de Lenguaje Grande (LLM) en la automatización de pruebas
- Construcción de un modelo de IA simple para predecir fallos en las pruebas
Módulo 5: Integración de IA en Flujos de Trabajo de QA
- Evaluación de la preparación para la IA en sus procesos de QA
- Integración continua e IA: cómo incrustar inteligencia en los pipelines de CI/CD
- Diseño de suites de pruebas inteligentes
- Gestión de la deriva del modelo y ciclos de retreinamiento
- Consideraciones éticas en las pruebas impulsadas por IA
Módulo 6: Laboratorios Prácticos y Proyecto Final
- Laboratorio 1: Automatizar la generación de casos de prueba utilizando IA
- Laboratorio 2: Construir un modelo de predicción de defectos utilizando datos históricos de pruebas
- Laboratorio 3: Utilizar un LLM para revisar y optimizar scripts de prueba
- Proyecto Final: Implementación completa de un pipeline de pruebas impulsado por IA
Requerimientos
Se espera que los participantes cuenten con:
- Más de 2 años de experiencia en roles de pruebas de software/QA
- Familiaridad con herramientas de automatización de pruebas (por ejemplo, Selenium, JUnit, Cypress)
- Conocimientos básicos de programación (preferiblemente en Python o JavaScript)
- Experiencia con control de versiones y herramientas de CI/CD (por ejemplo, Git, Jenkins)
- No se requiere experiencia previa en IA/ML, aunque es esencial la curiosidad y la disposición para experimentar
Testimonios (3)
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.
