Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en las 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 prueba 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 unitarias y funcionales.
- Creación de plantillas de pruebas parametrizadas y basadas en datos.
- Conversión de historias de usuario y requisitos en scripts de prueba.
IA en pruebas exploratorias y de casos extremos
- Identificación de ramas o condiciones no probadas mediante IA.
- Simulación de escenarios de uso poco comunes o anómalos.
- Estrategias de generación de pruebas basadas en riesgos.
Pruebas automáticas de UI y regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de interfaz de usuario.
- Mantenimiento de pruebas estables de UI mediante selectores con capacidad de autocuración.
- Análisis del impacto de regresión basado en IA después de cambios en el código.
Análisis de fallos y optimización de pruebas
- Agrupación de fallos de pruebas mediante modelos LLM o ML.
- Reducción de pruebas inestables («flaky») y fatiga por alertas.
- Priorización de la ejecución de pruebas basada en análisis histórico.
Integración en pipelines CI/CD
- Incorporación de generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI.
- Validación de la calidad de las pruebas durante los procesos de «pull request».
- Rollbacks automatizados y control inteligente de pruebas en 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 registros de auditoría para procesos de prueba mejorados con IA.
- Tendencias en plataformas de IA-QA y observabilidad inteligente.
Resumen y próximos pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA.
- Conocimiento sobre frameworks de pruebas como JUnit, PyTest o Selenium.
- Comprensión básica de pipelines de CI/CD y entornos DevOps.
Público objetivo
- Ingenieros de QA.
- Ingenieros de Desarrollo en Pruebas (SDETs).
- Analistas de pruebas que trabajen en entornos ágiles o DevOps.
14 Horas
Testimonios (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