fbpx
Tanfolyam hossza:
Képzés nyelve:
32 tanóra
Magyar
A képzés díja:
199 500 Ft + Áfa

Tanfolyam időpontok és jelentkezés

Első oktatási nap: 2023. április 17., további oktatási napok: 18., 19., 20.

Hétköznap napközbeni (09.00 - 16.30)
Jelentkezési határidő:
2023. április 7.
Képzés nyelve:
Magyar
Tanfolyam díja:
199 500 Ft + Áfa

Első oktatási nap: 2023. november 6., további oktatási napok: 7., 8., 9.

Hétköznap napközbeni (09.00 - 16.30)
Jelentkezési határidő:
2023. október 27.
Képzés nyelve:
Magyar
Tanfolyam díja:
199 500 Ft + Áfa

Zártcsoportos képzésre jelentkezem

Amennyiben munkatársaiddal zárt csoportos képzésen veszel részt és kaptál a tanfolyam időpont kódot, itt tudod leadni jelentkezésedet:

Jelentkezés időpont nélkül

Ha egyik időpont sem felel meg neked, de érdekel a tanfolyam, kérünk, hogy add le jelentkezésedet időpont nélkül! Új időpont felvételekor értesíteni fogunk.:

A tanfolyamot azon tesztelők számára ajánljuk, akik szeretnék letenni az ISTQB AI Testing vizsgát. A képzést elvégző hallgatóink átfogó képet kapnak a mesterséges intelligencia és a gépi tanulás teszteléséről és szoftvertesztelésben történő használatáról.

A képzést azon szoftvertesztelőknek, szoftverfejlesztőknek, tesztelemzőknek, tesztmenedzsereknek ajánljuk, akik szeretnék megérteni, hogy a mesterséges intelligencia miként képes támogatni a szoftvertesztelést, valamint azoknak, akik szeretnének teszt eseteket intelligens rendszerekben megtervezni és végrehajtani.

A képzés előfeltétele a sikeres ISTQB Certified Tester Foundation Level vizsga megléte, továbbá angol nyelv szövegértés szintű ismerete tekintettel arra, hogy a tananyag és a vizsga is angol nyelvű. (A képzés magyar oktatóval, magyar nyelven történik.). A képzésnek nem előfeltétele a mesterséges intelligencia elméleti hátterének ismerete.

Az ISTQB® Certified Tester- AI Testing képesítés megszerzésével a tanfolyam résztvevői képesek lesznek az alábbiakra:

  • megértik a mesterséges intelligenciák jelenlegi állapotát és a várható trendeket,
  • tapasztalatot szereznek a gépi tanulási modellek implementációjában,
  • megismerkednek az intelligens rendszereken végrehajtott tesztek kihívásaival,
  • gyakorlatot szereznek a teszt esetek intelligens rendszerekben történő tervezésében és végrehajtásában,
  • felismerik az intelligens rendszerekben történő tesztek speciális követelményeit.

Képzésünk nagy hangsúlyt fektet a mesterséges intelligencia elméleti hátterének ismertetésére, amely a kapcsolódó ISTQB vizsgán is mélyen kerül számonkérésre.

 

 

 

Tematika:

 

1. INTRODUCTION TO AI

1.1 Definition of AI and AI Effect

1.2 Narrow, General and Super AI

1.3 AI-Based and Conventional Systems

1.4 AI Technologies

1.5 AI Development Frameworks

1.6 Hardware for AI-Based Systems

1.7 AI as a Service (AIaaS)

1.7.1 Contracts for AI as a Service

1.7.2 AIaaS Examples

1.8 Pre-Trained Models

1.8.1 Introduction to Pre-Trained Models

1.8.2 Transfer Learning

1.8.3 Risks of using Pre-Trained Models and Transfer Learning

1.9 Standards, Regulations and AI

 

2. QUALITY CHARACTERISTICS FOR AI-BASED SYSTEMS

2.1 Flexibility and Adaptability

2.2 Autonomy

2.3 Evolution

2.4 Bias

2.5 Ethics

2.6 Side Effects and Reward Hacking

2.7 Transparency, Interpretability and Explainability

2.8 Safety and AI

 

 

3. MACHINE LEARNING (ML) – OVERVIEW

3.1 Forms of ML

3.1.1 Supervised Learning

3.1.2 Unsupervised Learning

3.1.3 Reinforcement Learning

3.2 ML Workflow

3.3 Selecting a Form of ML

3.4 Factors Involved in ML Algorithm Selection

3.5 Overfitting and Underfitting

3.5.1 Overfitting

3.5.2 Underfitting

3.5.3 Hands-On Exercise: Demonstrate Overfitting and Underfitting

 

4. ML - DATA

4.1 Data Preparation as Part of the ML Workflow

4.1.1 Challenges in Data Preparation

4.1.2 Hands-On Exercise: Data Preparation for ML

4.2 Training, Validation and Test Datasets in the ML Workflow

4.2.1 Hands-On Exercise: Identify Training and Test Data and Create an ML Model

4.3 Dataset Quality Issues

4.4 Data Quality and its Effect on the ML Model

4.5 Data Labelling for Supervised Learning

4.5.1 Approaches to Data Labelling

4.5.2 Mislabeled Data in Datasets

 

 

 

5. ML FUNCTIONAL PERFORMANCE METRICS

5.1 Confusion Matrix

5.2 Additional ML Functional Performance Metrics for Classification, Regression and

Clustering

5.3 Limitations of ML Functional Performance Metrics

5.4 Selecting ML Functional Performance Metrics

5.4.1 Hands-On Exercise: Evaluate the Created ML Model

5.5 Benchmark Suites for ML

 

6. ML - NEURAL NETWORKS AND TESTING

6.1 Neural Networks

6.1.1 Hands-On Exercise: Implement a Simple Perceptron

6.2 Coverage Measures for Neural Networks

 

7. TESTING AI-BASED SYSTEMS OVERVIEW

7.1 Specification of AI-Based Systems

7.2 Test Levels for AI-Based Systems

7.2.1 Input Data Testing

7.2.2 ML Model Testing

7.2.3 Component Testing

7.2.4 Component Integration Testing

7.2.5 System Testing

7.2.6 Acceptance Testing

7.3 Test Data for Testing AI-based Systems

7.4 Testing for Automation Bias in AI-Based Systems

7.5 Documenting an AI Component

7.6 Testing for Concept Drift

7.7 Selecting a Test Approach for an ML System

 

8. TESTING AI-SPECIFIC QUALITY CHARACTERISTICS

8.1 Challenges Testing Self-Learning Systems

8.2 Testing Autonomous AI-Based Systems

8.3 Testing for Algorithmic, Sample and Inappropriate Bias

8.4 Challenges Testing Probabilistic and Non-Deterministic AI-Based Systems

8.5 Challenges Testing Complex AI-Based Systems

8.6 Testing the Transparency, Interpretability and Explainability of AI-Based Systems

8.6.1 Hands-On Exercise: Model Explainability

8.7 Test Oracles for AI-Based Systems

8.8 Test Objectives and Acceptance Criteria

 

 

 

9. METHODS AND TECHNIQUES FOR THE TESTING OF AI-BASED SYSTEMS

9.1 Adversarial Attacks and Data Poisoning

9.1.1 Adversarial Attacks

9.1.2 Data Poisoning

9.2 Pairwise Testing

9.2.1 Hands-On Exercise: Pairwise Testing

9.3 Back-to-Back Testing

9.4 A/B Testing

9.5 Metamorphic Testing (MT)

9.5.1 Hands-On Exercise: Metamorphic Testing

9.6 Experience-Based Testing of AI-Based Systems

9.6.1 Hands-On Exercise: Exploratory Testing and Exploratory Data Analysis (EDA)

9.7 Selecting Test Techniques for AI-Based Systems

 

10. TEST ENVIRONMENTS FOR AI-BASED SYSTEMS

10.1 Test Environments for AI-Based Systems

10.2 Virtual Test Environments for Testing AI-Based Systems

 

11. USING AI FOR TESTING

11.1 AI Technologies for Testing

11.1.1 Hands-On Exercise:The Use of AI in Testing

11.2 Using AI to Analyze Reported Defects

11.3 Using AI for Test Case Generation

11.4 Using AI for the Optimization of Regression Test Suites

11.5 Using AI for Defect Prediction

11.5.1 Hands-On Exercise: Build a Defect Prediction System

11.6 Using AI for Testing User Interfaces

11.6.1 Using AI to Test Through the Graphical User Interface (GUI)

11.6.2 Using AI to Test the GUI

 

 

Kérdésed van a tréninggel kapcsolatban?


Hallgatóink mondták


ALAPOZÓ TRÉNINGEK EHHEZ A KÉPZÉSHEZ

Még nincs elegendő tudásod a kurzus elvégzéséhez? Akkor ezekkel a képzésekkel szerezheted meg a szükséges alapokat.


ISTQB Certified Tester Foundation Level vizsgafelkészítő
(MFCTFL)

Hossz:
24 tanóra
Ár:

129 500 Ft + Áfa helyett 109 500 Ft + Áfa

Kedvezmény:
Időpontok:
dec. 05
dec. 05
dec. 12
ISTQB Certified Tester Foundation Level vizsgafelkészítő e-learning
(MFCTFLE)

Ár:
89 500 Ft + Áfa
This hands-on course provides test engineers and test managers with the essential ideas, processes, tools and skills they need in order to set themselves on a path for true testing professionalism. This course was accredited by the ASTQB August 2018. This course follows the ISTQB Foundation Level Syllabus 2018.

Ezek a tanfolyamok és e-learningek is érdekelhetnek

Tekintsd meg néhány további képzésünket a témában


ISTQB Foundation Level - Agile Tester Extension vizsgafelkészítő
(MFCTAGILE)

Hossz:
16 tanóra
Ár:
119 500 Ft + Áfa
Időpontok:
dec. 15
jan. 26
ISTQB Foundation Level Automotive Software Tester vizsgafelkészítő
(MFCTFLAUT)

Hossz:
16 tanóra
Ár:
159 500 Ft + Áfa
Időpontok:
dec. 08
jan. 23
ápr. 19
Acceptance testing vizsgafelkészítő
(MFCTFLACT)

Hossz:
16 tanóra
Ár:
159 500 Ft + Áfa
Időpontok:
dec. 08
márc. 16
jún. 29
ISTQB Foundation Level - Model-Based Tester Extension vizsgafelkészítő
(MFCTMBT)

Hossz:
16 tanóra
Ár:
199 500 Ft + Áfa
Időpontok:
ápr. 11
okt. 10
ISTQB Foundation Level Performance Testing vizsgafelkészítő
(MFCTFLPT)

Hossz:
24 tanóra
Ár:
199 500 Ft + Áfa
Időpontok:
febr. 13
máj. 08
aug. 07
ISTQB Advanced Level Test Manager vizsgafelkészítő
(MFCTALTM)

Hossz:
40 tanóra
Ár:
259 500 Ft + Áfa
Kedvezmény:
Időpontok:
febr. 27
máj. 22
júl. 24
ISTQB Advanced Level Test Analyst vizsgafelkészítő
(MFCTALTA)

Hossz:
32 tanóra
Ár:
209 500 Ft + Áfa
Kedvezmény:
Időpontok:
dec. 05
febr. 13
ápr. 17
ISTQB Advanced Level Technical Test Analyst vizsgafelkészítő
(MFCTALTTA)

Hossz:
24 tanóra
Ár:
199 500 Ft + Áfa
Kedvezmény:
Időpontok:
febr. 22
jún. 14
szept. 13
ISTQB Advanced Security Tester vizsgafelkészítő
(MFCTALSEC)

Hossz:
24 tanóra
Ár:
199 500 Ft + Áfa
Kedvezmény:
Időpontok:
márc. 06
júl. 10
okt. 09
ISTQB Advanced Test Automation Engineer vizsgafelkészítő
(MFCTALAUT)

Hossz:
24 tanóra
Ár:
199 500 Ft + Áfa
Kedvezmény:
Időpontok:
febr. 27
jún. 28
szept. 04
ISTQB Foundation Level - Agile Tester Extension e-learning
(MFCTAGILEE)

Ár:
69 500 Ft + Áfa
This course provides testers and test managers with an understanding of the fundamentals of testing on agile projects. Attendees will learn how agile software development projects are organized and the various types of agile development practices in common use. They will understand how agile development differs from traditional approaches, how to position testers in an agile organisation, the fundamental agile testing principles, practices and processes and the skills they’ll need to excel in an agile environment.
ISTQB Advanced Level Test Manager vizsgafelkészítő e-learning
(MFCTALTME)

Ár:
109 500 Ft + Áfa
This course provides test managers with advanced skills in test estimation, test planning, test monitoring and test control. Attendees will learn how to define the overall testing goals and strategy for the systems being tested. They will gain hands-on experience in planning, scheduling and tracking these tasks. The attendees will be able to describe and organize the necessary activities. They will return to work able to select, acquire and assign adequate resources for testing tasks. They will know how to form, organize and lead testing teams. Test manager attendees will be able to organize communication between the members of the testing teams and between the testing teams and all the other stakeholders. Further, they’ll learn how to justify their decisions and provide adequate reporting information where applicable.
ISTQB Advanced Level Test Analyst vizsgafelkészítő e-learning
(MFCTALTAE)

Ár:
109 500 Ft + Áfa
This course provides test engineers with advanced skills in test analysis, design and execution. This hands-on course provides test engineers with the ability to define and carry out the tasks required to put the test strategy into action. The course will teach attendees how to analyze the system, taking into account the user’s quality expectations. They will learn how to evaluate system requirements as part of formal and informal reviews, using their understanding of the business domain to determine requirement validity. Attendees will know how to analyze, design, implement and execute tests, using risk considerations to determine the appropriate effort and priority for tests. They will be able to report on testing progress and provide the necessary evidence to support their evaluations of system quality. Attendees will learn how to implement a testing effort that supports the explicit and implicit testing objectives.
ISTQB Advanced Level Technical Test Analyst vizsgafelkészítő e-learning
(MFCTALTTAE)

Ár:
109 500 Ft + Áfa
This training course presents a comprehensive overview of methods and techniques for deriving and specifying software tests based on the system’s implementation and structure (“white box tests”). On completing the course, attendees will be able to select and apply techniques for test case derivation, such as control flow or data flow testing as well as static and dynamic analysis. We will look at non-functional testing techniques, such as reliability testing, portability testing, performance, load and stress testing. We will also discuss how to succeed in building robust automation architectures and using a variety of tools to reach quality targets.