دوره آموزشی
دوبله زبان فارسی
گواهینامه ISTQB AI Testing(CT-AI) - مسترکلاس تست هوش مصنوعی برای تسترها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک کنید که سیستمهای هوش مصنوعی چگونه کار میکنند. مبانی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را حتی اگر دانشمند داده نیستید، بهخوبی درک کنید.
- تأثیر هوش مصنوعی بر تست نرمافزار را بررسی کنید. یاد بگیرید هوش مصنوعی چگونه رویکرد ما به تست را تغییر میدهد و چرا روشهای سنتی برای سیستمهای مبتنی بر هوش مصنوعی کافی نیستند.
- به استراتژیهای تست برای مدلهای ML مسلط شوید. یاد بگیرید چگونه الگوریتمهای یادگیری نظارتشده و بدوننظارت را، از جمله رفتار مدل، دقت و استحکام آن تست کنید.
- کیفیت داده و نقش آن در تست هوش مصنوعی را ارزیابی کنید. درک کنید که دادههای دارای سوگیری، ناقص یا نویزی چگونه میتوانند بر عملکرد هوش مصنوعی اثر بگذارند.
- اصول اخلاقی را در تست هوش مصنوعی بهکار بگیرید. یاد بگیرید چگونه عدالت، شفافیت و پاسخگویی را در سیستمهای هوش مصنوعی ارزیابی کنید تا شیوههای تست مسئولانه را تضمین کنید.
- ریسکها و حالتهای خرابی در سیستمهای هوش مصنوعی را شناسایی کنید. مشکلات احتمالی مانند بیشبرازش، ورودیهای خصمانه و پیامدهای ناخواسته را پیش از تأثیرگذاری بر کاربران تشخیص دهید.
- وظایف تست هوش مصنوعی را با چرخه عمر توسعه نرمافزار تطبیق دهید. ببینید تست هوش مصنوعی در کجا با گردشکارهای Agile ،DevOps و روشهای سنتی همراستا میشود.
- با اطمینان برای آزمون ISTQB CT-AI آماده شوید. درباره ساختار آزمون، انواع سؤالها و راهکارهای اثباتشده برای قبولی در اولین تلاش، اطلاعات کامل به دست آورید.
پیش نیازهای دوره
- هر کسی میتواند این دوره را بگذراند. هیچ تجربه قبلی لازم نیست.
- برای دریافت گواهینامه ISTQB CT-AI، باید گواهینامه Certified Tester Foundation Level (CTFL) را داشته باشید.
توضیحات دوره
آیا آمادهاید به یک certified AI testing expert در تست هوش مصنوعی تبدیل شوید؟ این دوره راهنمای کامل شما برای قبولی در آزمون ISTQB Certified Tester AI Testing (CT-AI) و تسلط به مهارتهای لازم برای تست سیستمهای مبتنی بر هوش مصنوعی است.
چه یک متخصص QA باشید، چه مهندس تست یا علاقهمند به فناوری، این دوره به شما یاد میدهد چگونه مدلهای یادگیری ماشین را تست کنید، کیفیت داده را ارزیابی کنید، ریسکهای هوش مصنوعی را مدیریت کنید و اصول اخلاقی را در تست هوش مصنوعی اعمال کنید. شما کل سرفصل CT-AI را با درسهای تعاملی، مثالهای واقعی و راهکارهای حرفهای برای آزمون بررسی خواهید کرد.
در این دوره چه چیزهایی یاد خواهید گرفت:
- اصول هوش مصنوعی و تأثیر آن بر تست نرمافزار
- استراتژیهای تست برای سیستمهای یادگیری ماشین و یادگیری عمیق
- کیفیت داده، سوگیری و ملاحظات اخلاقی در هوش مصنوعی
- ساختار آزمون ISTQB CT-AI و نکات آمادگی برای آن
- کاربردهای واقعی تست هوش مصنوعی در پروژههای نرمافزاری مدرن
چرا این دوره را بگذرانید؟
- تمام سرفصل ISTQB CT-AI را پوشش میدهد
- شامل سؤالات تمرینی و نکات آزمون است
- توسط یک متخصص صنعت با بیش از 20 سال تجربه و تجربه عملی تدریس میشود.
- برای پیشرفت شغلی در حوزه هوش مصنوعی و تست نرمافزار کاملاً مناسب است.
تا پایان این دوره، نهتنها برای قبولی در آزمون ISTQB CT-AI آماده خواهید بود، بلکه برای اعمال تکنیکهای تست هوش مصنوعی در سناریوهای واقعی نیز آمادگی خواهید داشت. این فرصت را از دست ندهید تا مسیر شغلی خود را برای آینده آماده کنید و به نسل بعدی certified AI testers بپیوندید.
این دوره برای چه کسانی مناسب است؟
- تسترهای نرمافزار / مهندسان QA / SDETها
- سرپرستان QA / سرپرستان تست / مدیران تست / مدیران کیفیت
- تحلیلگران کسبوکار / مدیران توسعه نرمافزار / مدیران پروژه
- اعضای تیم عملیات
- مدیران IT
- مشاوران مدیریت
گواهینامه ISTQB AI Testing(CT-AI) - مسترکلاس تست هوش مصنوعی برای تسترها
-
مقدمهای بر دوره تست هوش مصنوعی ISTQB 04:07
-
ISTQB چیست؟ 05:30
-
محتوای دوره تست هوش مصنوعی ISTQB 03:37
-
ساختار آزمون تست هوش مصنوعی ISTQB 04:30
-
مقدمهای بر هوش مصنوعی 09:11
-
تعریف هوش مصنوعی و اثر هوش مصنوعی 07:35
-
هوش مصنوعی محدود، عمومی و فوقهوشمند 08:13
-
سیستمهای مبتنی بر هوش مصنوعی و سیستمهای متعارف 09:47
-
فناوریهای هوش مصنوعی 19:13
-
چارچوبهای توسعه هوش مصنوعی 12:27
-
سختافزار برای سیستمهای مبتنی بر هوش مصنوعی 15:05
-
هوش مصنوعی بهعنوان سرویس (AIaaS) 07:38
-
قراردادهای هوش مصنوعی بهعنوان سرویس 07:16
-
نمونههای AIaaS 04:13
-
مقدمهای بر مدلهای ازپیشآموزشدیده 06:43
-
یادگیری انتقالی 04:51
-
ریسکهای استفاده از مدلهای ازپیشآموزشدیده و یادگیری انتقالی 07:06
-
استانداردها، مقررات و هوش مصنوعی 06:25
-
ویژگیهای کیفی برای سیستمهای مبتنی بر هوش مصنوعی 00:58
-
انعطافپذیری و سازگاری 09:16
-
خودمختاری 10:38
-
تکامل 07:27
-
سوگیری 08:03
-
اخلاق 10:59
-
عوارض جانبی و سوءاستفاده از پاداش 08:35
-
شفافیت، تفسیرپذیری و توضیحپذیری 09:25
-
ایمنی و هوش مصنوعی 06:21
-
ماژول 2 - آزمون 1 None
-
ماژول 2 - آزمون 2 None
-
ماژول 2 - آزمون 3 None
-
ماژول 2 - آزمون 4 None
-
ماژول 2 - آزمون 5 None
-
ماژول 2 - آزمون 6 None
-
ماژول 2 - آزمون 7 None
-
ماژول 2 - آزمون 8 None
-
یادگیری ماشین (ML) – مروری کلی 01:39
-
انواع یادگیری ماشین 03:38
-
یادگیری نظارتشده 07:26
-
یادگیری بدوننظارت 08:29
-
یادگیری تقویتی 05:46
-
گردشکار یادگیری ماشین 16:36
-
انتخاب نوعی از یادگیری ماشین 08:23
-
عوامل مؤثر در انتخاب الگوریتم یادگیری ماشین 08:48
-
بیشبرازش و کمبرازش 00:57
-
بیشبرازش 05:29
-
کمبرازش 05:34
-
ماژول 3 - آزمون 1 None
-
ماژول 3 - آزمون 2 None
-
ماژول 3 - آزمون 3 None
-
ماژول 3 - آزمون 4 None
-
ماژول 3 - آزمون 5 None
-
ماژول 3 - آزمون 6 None
-
یادگیری ماشین - داده 01:18
-
آمادهسازی داده بهعنوان بخشی از گردشکار یادگیری ماشین 18:06
-
چالشهای آمادهسازی داده 08:24
-
مجموعهداده آموزش، اعتبارسنجی و تست در گردشکار یادگیری ماشین - بخش 1 15:04
-
مجموعهداده آموزش، اعتبارسنجی و تست در گردشکار یادگیری ماشین - بخش 2 08:45
-
مشکلات کیفیت مجموعهداده 08:04
-
کیفیت داده و تأثیر آن بر مدل یادگیری ماشین 07:37
-
برچسبگذاری داده برای یادگیری نظارتشده 06:46
-
رویکردهای برچسبگذاری داده 10:05
-
داده برچسبگذاری نادرست در مجموعهداده 06:00
-
ماژول 4 - آزمون 1 None
-
ماژول 4 - آزمون 2 None
-
شاخصهای عملکردی کاربردی یادگیری ماشین 00:43
-
ماتریس سردرگمی 14:12
-
شاخصهای عملکردی کاربردی تکمیلی یادگیری ماشین برای طبقهبندی و رگرسیون 13:19
-
محدودیتهای شاخصهای عملکردی کاربردی یادگیری ماشین 06:35
-
انتخاب شاخصهای عملکردی کاربردی یادگیری ماشین 11:26
-
مجموعههای بنچمارک برای یادگیری ماشین 09:29
-
ماژول 5 - آزمون 1 None
-
ماژول 5 - آزمون 2 None
-
یادگیری ماشین - شبکههای عصبی و تست 00:36
-
شبکههای عصبی 19:23
-
معیارهای پوشش برای شبکههای عصبی 19:55
-
ماژول 6 - آزمون 1 None
-
ماژول 6 - آزمون 2 None
-
مروری بر تست سیستمهای مبتنی بر هوش مصنوعی 01:44
-
مشخصهسازی سیستمهای مبتنی بر هوش مصنوعی 10:04
-
سطوح تست برای سیستمهای مبتنی بر هوش مصنوعی 06:53
-
تست داده ورودی 06:45
-
تست مدل یادگیری ماشین 04:59
-
تست مؤلفه 05:45
-
تست یکپارچهسازی مؤلفهها 06:55
-
تست سیستم 05:46
-
تست پذیرش 04:44
-
داده تست برای تست سیستمهای مبتنی بر هوش مصنوعی 09:38
-
تست سوگیری اتوماسیون در سیستمهای مبتنی بر هوش مصنوعی 07:05
-
مستندسازی یک مؤلفه هوش مصنوعی 07:30
-
تست برای رانش مفهوم 05:19
-
انتخاب رویکرد تست برای یک سیستم یادگیری ماشین 11:55
-
ماژول 7 - آزمون 1 None
-
ماژول 7 - آزمون 2 None
-
تست ویژگیهای کیفی خاص هوش مصنوعی 01:35
-
چالشهای تست سیستمهای خودآموز 13:10
-
تست سیستمهای خودمختار مبتنی بر هوش مصنوعی 06:21
-
تست سوگیری الگوریتمی، نمونهای و نامناسب 08:40
-
چالشهای تست سیستمهای احتمالاتی و غیرقطعی مبتنی بر هوش مصنوعی 09:15
-
چالشهای تست سیستمهای پیچیده مبتنی بر هوش مصنوعی 06:49
-
تست شفافیت، تفسیرپذیری و توضیحپذیری سیستمهای مبتنی بر هوش مصنوعی 10:18
-
اوراکلهای تست برای سیستمهای مبتنی بر هوش مصنوعی 08:33
-
اهداف تست و معیارهای پذیرش 13:39
-
ماژول 8 - آزمون 1 None
-
ماژول 8 - آزمون 2 None
-
متدها و تکنیکهای تست سیستمهای مبتنی بر هوش مصنوعی 01:16
-
حملات خصمانه و مسمومسازی داده 01:30
-
حملات خصمانه 06:20
-
مسمومسازی داده 04:29
-
تست جفتی 06:47
-
تست Back-to-Back 06:27
-
تست A/B 06:06
-
تست متامورفیک (MT) 07:44
-
تست مبتنی بر تجربه برای سیستمهای هوش مصنوعی 12:29
-
انتخاب تکنیکهای تست برای سیستمهای مبتنی بر هوش مصنوعی 08:03
-
ماژول 9 - آزمون 1 None
-
ماژول 9 - آزمون 2 None
-
محیطهای تست برای سیستمهای مبتنی بر هوش مصنوعی 00:40
-
محیطهای تست برای سیستمهای مبتنی بر هوش مصنوعی 13:12
-
محیطهای تست مجازی برای تست سیستمهای مبتنی بر هوش مصنوعی 07:35
-
ماژول 10 - آزمون 1 None
-
ماژول 10 - آزمون 2 None
-
استفاده از هوش مصنوعی برای تست 01:31
-
فناوریهای هوش مصنوعی برای تست 06:53
-
استفاده از هوش مصنوعی برای تحلیل عیبهای گزارششده 06:42
-
استفاده از هوش مصنوعی برای تولید سناریوهای تست 05:24
-
استفاده از هوش مصنوعی برای بهینهسازی مجموعههای تست رگرسیون 06:41
-
استفاده از هوش مصنوعی برای پیشبینی عیبها 05:48
-
استفاده از هوش مصنوعی برای تست از طریق رابط کاربری گرافیکی 07:56
-
استفاده از هوش مصنوعی برای تست رابط کاربری گرافیکی 06:39
-
ماژول 11 - آزمون 1 None
-
ماژول 11 - آزمون 2 None
-
جمعبندی دوره و گامهای بعدی 02:05
-
چگونه در آزمونهای ISTQB شرکت کنیم؟ 12:31
مشخصات آموزش
گواهینامه ISTQB AI Testing(CT-AI) - مسترکلاس تست هوش مصنوعی برای تسترها
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:Alls
- تعداد درس:134
- مدت زمان :13:12:05
- حجم :9.78GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
2,260,000
452,000 تومان
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
795,000
159,000 تومان
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,508,000
1,701,600 تومان
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,100,500
1,220,100 تومان
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,256,500
1,451,300 تومان
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,634,500
726,900 تومان
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی