یادگیری Generative AI برای تست نرم‌افزار

آنچه یاد خواهید گرفت:

• یادگیری نحوه استفاده مؤثر از LLMs در Gen AI برای حداکثر کردن بهره‌وری QA با مهارت‌های مهندسی هوشمند پرامپت
• بررسی ابزارهای تست مجهز به هوش مصنوعی در بازار کنونی و توانایی‌های آنها در تحول تست خودکار
• یادگیری تولید آرتیفکت‌های تست در حین کار مانند طرح تست، موارد تست، داده‌ تست و قالب‌های باگ برای الزامات کسب‌وکار معین
• درک نحوه تولید و بهینه‌سازی کد تست با استانداردهای فریمورک با پلاگین‌های Gen AI مانند گیت‌هاب کوپایلت و غیره

پیش‌نیازهای دوره

• مفاهیم تست نرم‌افزار
• مهارت‌های اتوماسیون

توضیحات دوره

کشف قدرت Generative AI و پیشرفت حرفه تست خود

آیا شما متخصص تست‌ دستی، مهندس QA یا متخصص تست‌ خودکار هستید که می‌خواهید در دنیای سریع و پرسرعت تست‌های امروزی جلوتر بمانید؟ این دوره به طور خاص برای تست‌کنندگان و حرفه‌ای‌های QA طراحی شده که می‌خواهند از قدرت Generative AI برای افزایش بهره‌وری و گسترش قابلیت‌های تست خود بهره‌برداری کنند.

آنچه شما در این دوره عملی یاد خواهید گرفت:

• توضیح درباره هوش مصنوعی در مقابل Generative AI - درک تفاوت‌ها و مفاهیم کلیدی
• بررسی محبوب‌ترین مدل‌های زبانی بزرگ (LLMs) مانند چت‌جی‌پی‌تی، گوگل جمنای و دیپ‌سیک
• تسلط به هنر مهندسی پرامپت - کسب پایه‌ای برای به‌ دست‌ آوردن خروجی‌های دقیق و مرتبط از ابزارهای هوش مصنوعی
• یادگیری تولید برنامه‌های تست، موارد تست، داده‌ تست و گزارش‌های باگ در چند ثانیه با استفاده از Generative AI
• کشف اینکه چگونه می‌توان از هوش مصنوعی در اتوماسیون سلنیوم، تست API و تست پایگاه‌ داده استفاده کرد.
• استفاده از گیت‌هاب کوپایلت برای تسریع در کدنویسی، فیکس کردن سریع باگ‌ها و تولید آسان مستندات

چرا این دوره برای تست‌کنندگان ضروری است؟

آینده تست نرم‌افزار به طور فزاینده‌ از نوشتن اسکریپت‌های تست تا تولید داده‌ تست، انجام تست‌های اکتشافی و بهینه‌سازی کوئری‌های SQL، مجهز به هوش مصنوعی است. Generative AI می‌تواند در هر مرحله از چرخه عمر تست به تست‌کنندگان کمک کند. چه شما متخصص تست‌ دستی باشید که به دنبال افزایش کارایی خود هستید یا یک مهندس اتوماسیون که به دنبال ساده‌سازی اسکریپت‌نویسی است، این دوره شما را با مهارت‌های عملی هوش مصنوعی برای آینده‌ حرفه‌تان تجهیز می‌کند.

آنچه شما دریافت خواهید کرد:

• نمایش‌های گام‌به‌گام برای راه‌اندازی چت‌جی‌پی‌تی، گوگل جمنای و دیپ‌سیک
• نمونه‌های واقعی از کاربردهای هوش مصنوعی در تست دستی، اتوماسیون، تست API و تست پایگاه‌ داده
• تمرین‌های عملی و پرامپت‌های سفارشی برای تمرین استفاده از هوش مصنوعی در تسک‌های تست
• نکات تخصصی برای صرفه‌جویی در زمان، کاهش خطاها و بهبود پوشش تست با استفاده از هوش مصنوعی
• راهنمایی در مورد استفاده از گیت‌هاب کوپایلت برای تسریع و بهبود کار خودکار

چه کسانی باید در دوره شرکت کنند؟

• متخصصان تست‌ دستی و مهندسان QA
• متخصصان تست‌ خودکار (متخصصان تست‌ سلنیوم، API و پایگاه‌ داده)
• رهبران تست و مدیران تست
• کسی که بخواهد درک کند که چگونه هوش مصنوعی در حال تغییر حوزه تست است.

پیش‌نیازهای دوره

• دانش اولیه از تست دستی، تست خودکار و SQL توصیه می‌شود. نیازی به تجربه قبلی در هوش مصنوعی نیست.
• با تسلط به ابزارها و تکنیک‌های Generative AI، شغل QA خود را آینده‌نگرانه می‌کنید. همین حالا در دوره شرکت کنید و جلوتر از رقبا بمانید.

برنامه درسی دوره

فصل 1 - مقدمه‌ای بر هوش مصنوعی و Generative AI

• درک هوش مصنوعی (AI) و کاربردهای واقعی آن
• Generative AI چیست؟ مثال‌های واقعی
• تفاوت‌های بین هوش مصنوعی و Generative AI
• مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
• چرا هر حرفه‌ای در QA باید Generative AI را بیاموزد؟
• بررسی مدل‌های محبوب Generative AI (چت‌جی‌پی‌تی، گوگل جمنای، دیپ‌سیک و غیره)

فصل 2 - بررسی مدل‌های زبانی بزرگ (LLMs)

• LLM به چه معناست؟
• LLM چگونه کار می‌کند؟
• راه‌اندازی گام‌به‌گام برای چت‌جی‌پی‌تی، گوگل جمنای، دیپ‌سیک
• درک ویژگی‌ها و تکنیک‌های LLM برای تعامل مؤثر

فصل 3 - مقدمه‌ای بر مهندسی پرامپت

• پرامپت چیست و چرا مهندسی پرامپت اهمیت دارد؟
• عناصر کلیدی یک پرامپت درست:
  • دستورالعمل
  • کانتکس
  • داده‌ ورودی
  • شاخص خروجی
• تکنیک‌های اساسی مهندسی پرامپت:
  • پرامپت‌نویسی بدون شات
  • پرامپت‌نویسی تک شات
  • پرامپت‌نویسی چند شات

فصل 4 - جمع‌بندی سریع از اصول تست دستی

• مفاهیم کلیدی تست دستی و اصطلاحات

فصل 5 - به‌کارگیری Generative AI در تست دستی

• تولید فوری طرح‌های تست جامع
• ایجاد خودکار سناریوهای تست و موارد تست
• تولید داده‌ تست در صورت تقاضا
• استفاده از هوش مصنوعی برای نوشتن سریع گزارش‌های باگ
• تولید گزارش‌های اجرای تست با حداقل تلاش

فصل 6 - استفاده از Generative AI در اتوماسیون سلنیوم

• تولید خودکار اسکریپت‌های تست سلنیوم
• اشکال‌زدایی خطاها با را‌حل‌های پیشنهادی هوش مصنوعی
• تولید خودکار XPath و سلکتورهای CSS
• تولید داده‌ تست برای اجراهای خودکار
• ایجاد خودکار مستندات برای موارد تست
• تولید گزارش‌های اتوماسیون با استفاده از هوش مصنوعی
• تبدیل کد بین زبان‌ها و فریمورک‌ها
• مهاجرت فریمورک‌های اتوماسیون موجود با کمک هوش مصنوعی
• بهینه‌سازی استراتژی‌های XPath و locator با استفاده از هوش مصنوعی
• استفاده از هوش مصنوعی برای تولید داده‌ تست و یکپارچه‌سازی با APIs
• تکنیک‌های پیشرفته پرامپت برای مهندسان اتوماسیون

فصل 7 - به‌کارگیری Generative AI در تست API

• تولید API Payloads با استفاده از هوش مصنوعی
• ایجاد کلاس‌های POJO از پاسخ‌های جی‌سان
• تولید خودکار اسکیمای جی‌سان از پاسخ‌های API
• افزودن assertions به تست‌های API با کد تولید شده توسط هوش مصنوعی
• تبدیل فرمت‌های داده (جی‌سان به CSV و بالعکس)
• ساخت متدهای یوتیلیتی برای خواندن داده‌ از جی‌سان، CSV و فایل‌های XML با استفاده از هوش مصنوعی

فصل 8 - هوش مصنوعی در SQL و تست پایگاه‌ داده

• تولید کوئری‌های SQL مجهز به هوش مصنوعی
• بهینه‌سازی کوئری و پرفورمنس تیونینگ
• بررسی یکپارچگی و اعتبار داده
• اعتبارسنجی دقت کوئری با استفاده از هوش مصنوعی
• اعتبارسنجی اسکیما با استفاده از پرامپت‌های تولید شده توسط هوش مصنوعی
• اطمینان از سازگاری داده‌ در حین تسک‌های مهاجرت داده با استفاده از کمک‌های هوش مصنوعی

فصل 9 - تسلط به گیت‌هاب کوپایلت برای تست‌کنندگان و مهندسان اتوماسیون

• نصب و راه‌اندازی گیت‌هاب کوپایلت
• تولید خودکار پیام‌های کامیت معنادار
• خلاصه‌سازی تغییرات کد با کمک هوش مصنوعی
• استفاده از کوپایلت برای پیشنهاد راه‌حل‌های فیکس کردن باگ و بهبودها
• تولید مستقیم نمونه‌های داده‌ تست در IDE خود
• بازنویسی خودکار کد برای مطابقت با استایل‌ها یا الگوهای دلخواه
• استفاده از کوپایلت برای تولید مستندات برای متدهای تست خود

گام بعدی را در حرفه QA خود بردارید و به یک تست‌کننده مجهز به هوش مصنوعی تبدیل شوید. همین امروز در دوره شرکت کرده و نحوه تست کردن خود را متحول کنید.

این دوره برای چه کسانی مناسب است؟

• تست‌کنندگان نرم‌افزار
• مهندسان تضمین کیفیت
• توسعه‌دهندگان
• متخصصان تست‌ خودکار