ISTQB Certified Tester AI (Artificial Intelligence) Testing vizsgafelkészítő
Képzés kód:
Képzés hossza:
Képzés nyelve:
32 tanóra
Magyar, igény esetén angol
A képzés díja:
249 500 Ft + Áfa
ISTQB Certified Tester AI (Artificial Intelligence) Testing vizsgafelkészítő - Időpontok és jelentkezés
Első oktatási nap: 2025. szeptember 22., további oktatási napok: 23., 24., 25.
Hétköznap napközbeni (09.00 - 16.30)
Jelentkezési határidő:
2025. szeptember 10.
Képzés nyelve:
Magyar
Tanfolyam díja:
249 500 Ft + Áfa
Első oktatási nap: 2025. november 24., további oktatási napok: 25., 26., 27.
Hétköznap napközbeni (09.00 - 16.30)
Jelentkezési határidő:
2025. november 12.
Képzés nyelve:
Magyar
Tanfolyam díja:
249 500 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.
Ismerd meg az AI-alapú rendszerek tesztelésének világát az ISTQB Certified Tester AI Testing vizsgafelkészítő tanfolyamon! A képzés során elsajátítod az AI rendszerek és gépi tanulási modellek tesztelési technikáit, megérted a torzítások, etikai kérdések és átláthatóság kihívásait, valamint gyakorlati módszerekkel fejleszted szakmai tudásod. A tanfolyam célja, hogy magabiztosan alkalmazd a megszerzett ismereteket valós projekteken, és felkészülj a nemzetközi minősítésre.
Ez a képzés ideális szoftvertesztelőknek, tesztelemzőknek és szoftvermérnököknek, akik AI-alapú rendszerekkel foglalkoznak, vagy AI-t használnak a tesztelés során. Tökéletes választás projektmenedzsereknek, minőségbiztosítási vezetőknek és üzleti elemzőknek is, akik alapvető ismereteket szeretnének szerezni az AI tesztelési technikákról és kihívásokról. Ha magas minőségű AI rendszereket szeretnél biztosítani, miközben lépést tartasz a szoftvertesztelés folyamatosan fejlődő területével, ez a képzés neked szól.
- ISTQB Certified Tester Foundation Level tanúsítvány megléte
- 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
Ez a tanfolyam azoknak szól, akik mesterséges intelligencia alapú rendszerek tesztelésével vagy az MI eszközök tesztelési célú alkalmazásával foglalkoznak vagy terveznek foglalkozni. Akkreditált tananyagunk teljes körű felkészítést nyújt a CT-AI vizsgára. A képzés elméleti és gyakorlati tudást kínál, amellyel a résztvevők képesek lesznek MI-alapú rendszerek és folyamatok tesztelésére, optimalizálására és minőségük biztosítására. Képzésünk nagy hangsúlyt fektet a mesterséges intelligencia elméleti hátterének ismertetésére, amely a kapcsolódó ISTQB vizsgán is mélyen kerül számonkérésre.
Fő témakörök:
- Bevezetés az AI világába: Megismerheted az AI alapfogalmait, különböző típusait (szűk, általános és szuper AI), technológiáit, fejlesztési keretrendszereit, valamint az AI mint szolgáltatás lehetőségeit.
- AI-alapú rendszerek minőségjellemzői: Felfedezheted az AI rendszerek minőségbiztosításának kulcstényezőit, például a rugalmasságot, etikát, torzításokat, átláthatóságot és biztonságot.
- Gépi tanulás áttekintése: Áttekintést kapsz a gépi tanulás formáiról, munkafolyamatáról, algoritmusainak kiválasztásáról, és a modellek túl- és alulillesztéséről.
- ML-adatok előkészítése és kezelése: Elsajátíthatod az adatelőkészítési lépéseket, az adathalmazok minőségének fontosságát, és az annotálás szerepét a gépi tanulási modellekben.
- ML funkcionális teljesítménymutatói: Megtanulod az ML modellek értékeléséhez használt teljesítménymutatók alkalmazását és korlátait, például osztályozás, regresszió és klaszterezés terén.
- Neurális hálók és azok tesztelése: Bevezetést kapsz a neurális hálók működésébe és tesztelésébe, beleértve a kiterjedtségi mérőszámok alkalmazását és egyszerű perceptron implementációkat.
- AI-alapú rendszerek tesztelése: Megismerheted az AI-rendszerek tesztelési szintjeit, mint az adatesztelés, komponens- és rendszerintegrációs tesztelés, valamint elfogadási tesztek.
- AI-specifikus minőségi jellemzők tesztelése: Tanuld meg, hogyan tesztelheted az AI rendszerek autonómiáját, önfejlesztési képességeit, torzításait és átláthatóságát.
- AI-alapú rendszerek tesztelési módszerei és technikái: Sajátítsd el az AI-specifikus tesztelési technikákat, például az adverszárius támadások és adatmérgezés tesztelését, valamint a metamorfikus tesztelést.
- AI-rendszerek tesztkörnyezetének kialakítása: Fedezd fel a virtuális tesztkörnyezetek fontosságát az AI-alapú rendszerek validációjában és működési modellek tesztelésében.
- AI alkalmazása a tesztelésben: Ismerd meg, hogyan használhatók az AI-eszközök tesztesetek generálására, hibák előrejelzésére, tesztkészletek optimalizálására és felhasználói interfészek tesztelésére.
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.
RÉSZLETES 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
ISTQB Certified Tester AI (Artificial Intelligence) Testing vizsgafelkészítő - Mentoraid lesznek
A Szegedi Tudományegyetem Szoftverfejlesztés Tanszékének adjunktusa. Az oktatói munkája mellett aktív a kutatói életben is, számos szoftverfejlesztéssel és szoftverteszteléssel kapcsolatos kutatása jelent meg angol nyelven.
Fő kompetencia területei: Információ biztonság, programozás, követelmény-menedzsment, szoftvertesztelés
Kérdésed van a tréninggel kapcsolatban?
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 e-learning
(MFCTFLE)
Ár:
99 500 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.
Course is accredited by the ASTQB in 2024 and follows the ISTQB Foundation Level Syllabus - CTFL 4.0.
Ezek a tanfolyamok és e-learningek is érdekelhetnek
Tekintsd meg néhány további képzésünket a témában
ISTQB Foundation Level - Agile Tester Extension e-learning
(MFCTAGILEE)
Ár:
79 500 Ft + Áfa
This course provides testers and test managers with an understanding of the fundamentals of testing on agile projects. You will learn how agile software development projects are organized and the various types of agile development practices in common use. You will also 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:
119 500 Ft + Áfa
This course provides test managers with advanced skills in test estimation, test planning, test monitoring and test control. Learn how to define overall testing goals and strategy for the systems under test. You’ll gain hands-on experience in planning, scheduling, and tracking testing tasks effectively. Organize and describe necessary activities while ensuring the right resources are selected, acquired, and assigned. Develop the skills to form, structure, and lead testing teams, facilitating clear communication within the team and with other stakeholders. Additionally, you’ll learn to justify your decisions and provide clear, actionable reporting when needed.
ISTQB Advanced Level Test Analyst vizsgafelkészítő e-learning
(MFCTALTAE)
Ár:
119 500 Ft + Áfa
This hands-on course provides Test Analysts with the ability to define and carry out the tasks required to put the test strategy into action. The course will teach you how to analyze the system, taking into account the organization’s and user’s quality expectations. You will learn how to evaluate system requirements as part of formal and informal reviews, leveraging your understanding of the business domain to determine requirement validity. As well as how to analyze, design, implement, and execute tests, using risk considerations to determine the appropriate effort and priority for tests. 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:
119 500 Ft + Áfa
Develop the skills to manage and lead software testing effectively. This e-learning 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.
Az egész nagyon informatív és érdekes volt. Big like!
Dr. P. Ágnes