Temario del curso
Introducción a la IA en pruebas de software
- Descripción general de las capacidades de la IA en pruebas y QA
- Tipos de herramientas de IA utilizadas en flujos de trabajo de pruebas modernos
- Beneficios y riesgos de la ingeniería de calidad impulsada por IA
LLMs para la generación de casos de prueba
- Ingeniería de prompts para generar pruebas de unidad y funcionales
- Creación de plantillas de pruebas parametrizadas y basadas en datos
- Conversión de historias de usuario y requisitos en guiones de prueba
IA en pruebas exploratorias y de casos extremos
- Identificación de ramas o condiciones no probadas utilizando IA
- Simulación de escenarios de uso raros o anómalos
- Estrategias de generación de pruebas basadas en riesgos
Pruebas de UI y de regresión automatizadas
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de UI
- Mantenimiento de pruebas de UI estables mediante selectores autorreparables
- Análisis de impacto de regresión basado en IA después de cambios de código
Análisis de fallos y optimización de pruebas
- Agrupación de fallos de pruebas utilizando modelos LLM o de aprendizaje automático (ML)
- Reducción de ejecuciones inestables (flaky tests) y fatiga de alertas
- Priorización de la ejecución de pruebas basada en información histórica
Integración en pipelines CI/CD
- Incorporación de la generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI
- Validación de la calidad de las pruebas durante las solicitudes de extracción (pull requests)
- Retrocesos de automatización y control inteligente de pruebas (test gating) en los pipelines
Tendencias futuras y uso responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA
- Gobernanza y auditorías para procesos de pruebas mejorados con IA
- Tendencias en plataformas IA-QA y observabilidad inteligente
Resumen y próximos pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA
- Familiaridad con marcos de pruebas como JUnit, PyTest o Selenium
- Conocimiento básico de pipelines CI/CD y entornos DevOps
Público objetivo
- Ingenieros de QA
- Ingenieros de desarrollo de software en pruebas (SDETs)
- Analistas de pruebas de software que trabajan en entornos ágiles o DevOps
Reseñas (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática