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.
Duración 14 horas
Temario del curso
Introducción a la IA en las pruebas de software
- Visión general de las capacidades de la IA en pruebas y QA.
- Tipos de herramientas de IA utilizadas en flujos de trabajo de prueba modernos.
- Ventajas 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 anormales.
- Estrategias de generación de pruebas basadas en riesgos.
Pruebas automatizadas de UI y de regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de UI.
- Mantenimiento de pruebas de UI estables mediante selectores de auto-corrección.
- Análisis de impacto de regresión basado en IA tras cambios de código.
Análisis de fallos y optimización de pruebas
- Agrupación de fallos de pruebas utilizando modelos LLM o ML.
- Reducción de ejecuciones de pruebas inestables (flaky) 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).
- Deshacer automatizaciones y control inteligente de pruebas (gating) 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 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 prueba como JUnit, PyTest o Selenium.
- Comprensión básica de pipelines CI/CD y entornos DevOps.
Público objetivo
- Ingenieros de QA.
- Ingenieros de desarrollo de software en pruebas (SDETs).
- Prueba 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
