Testing with Generative AI (CT-GenAI)
Wykorzystuj generatywną sztuczną inteligencję do analizy wymagań, projektowania testów, wspierania automatyzacji i interpretacji wyników. Naucz się sprawdzać, czy odpowiedzi AI są poprawne, kompletne i przydatne w Twoim projekcie.
Podczas szkolenia przećwiczysz pracę z instrukcjami i kontekstem, ocenę wygenerowanych materiałów oraz doskonalenie rezultatów. Poznasz też zastosowania wiedzy projektowej, agentów AI i zasady wdrażania tych rozwiązań w zespole testerskim
Najbliższe terminy szkoleń:
Cena szkolenia:
- Czas trwania szkolenia: 2 dni
- Szkolenie stacjonarne/online: 1650zł netto
- Egzamin: 1150zł netto
- Szkolenie jest prowadzone w jęz. polskim, na materiałach w jęz. angielskim
Dla kogo?
Szkolenie jest przeznaczone dla:
- testerów manualnych i analityków testów, którzy chcą stosować AI w analizie oraz projektowaniu testów;
- inżynierów automatyzacji i programistów zainteresowanych wsparciem zadań testowych;
- liderów QA i kierowników testów, którzy porządkują wykorzystanie AI w zespole;
- osób odpowiedzialnych za testy akceptacyjne i jakość dostarczanego oprogramowania.
Najwięcej skorzystasz, jeśli znasz podstawy testowania i chcesz rozwinąć lub uporządkować praktykę pracy z AI. Kurs obejmuje fundamenty oraz zastosowania, ocenę rezultatów i ryzyka.
Jeżeli regularnie budujesz własne rozwiązania RAG, integrujesz agentów z narzędziami lub utrzymujesz takie rozwiązania produkcyjnie, skontaktuj się z nami przed zapisem. Pomożemy ocenić, czy zakres CT-GenAI odpowiada Twoim potrzebom.
Program szkolenia:
1. Jak działają modele i co to oznacza dla testera?
Poznasz podstawy generatywnej AI i dużych modeli językowych — LLM. Omówimy znaczenie tokenów, reprezentacji danych i okna kontekstu oraz przyczyny zmienności odpowiedzi. Przyjrzysz się różnym typom modeli i wykorzystaniu tekstu oraz obrazu w zadaniach testowych.
2. Od wymagania do sprawdzonego wyniku
Nauczysz się budować instrukcje zawierające cel, kontekst, dane i kryteria oczekiwanego rezultatu. Zastosujesz techniki promptowania do analizy wymagań, projektowania testów, wsparcia automatyzacji i analizy raportów. Przećwiczysz ocenę odpowiedzi oraz poprawianie instrukcji na podstawie wyników.
3. Jakość, poufność i ryzyka
Dowiesz się, jak rozpoznawać halucynacje, błędy rozumowania i stronniczość. Omówimy ochronę danych, zagrożenia związane z manipulowaniem wejściem do modelu oraz sposoby ograniczania ryzyka. Poznasz również zagadnienia regulacyjne i środowiskowe związane z używaniem GenAI.
4. Wiedza projektowa, RAG i agenci AI
Poznasz RAG — generowanie wspomagane wyszukiwaniem — oraz jego zastosowanie do pracy z dokumentacją projektową. Zobaczysz, jak agent może wspierać powtarzalne zadanie testowe. Omówimy także dostrajanie modeli i podstawy utrzymania rozwiązań opartych na LLM.
5. Wykorzystanie AI w zespole testerskim
Przyjrzysz się wyborowi zastosowań, modeli i narzędzi z uwzględnieniem jakości, kosztów oraz ograniczeń organizacji. Poznasz podejście do planowania wdrożenia, rozwijania kompetencji i ustalania odpowiedzialności za wyniki pracy wspieranej przez AI.
Nauczysz się:
Pracujemy na zadaniach związanych z testowaniem oprogramowania. Przygotowujesz instrukcje dla AI, analizujesz odpowiedzi i sprawdzasz, jak zmiana danych wejściowych wpływa na wynik.
W ćwiczeniach:
- analizujesz wymagania i kryteria akceptacji;
- przygotowujesz oraz poprawiasz materiały testowe;
- porównujesz rezultaty według określonych kryteriów jakości;
- eksperymentujesz z wykorzystaniem dokumentów jako źródła wiedzy dla AI.
Podczas demonstracji trenera:
- obserwujesz agenta wspierającego analizę i porządkowanie awarii testów;
- poznajesz przebieg dostrajania modelu do konkretnego zadania testowego.
Omawiamy również błędne i niepełne odpowiedzi. Uczysz się ustalać, co można wykorzystać, co wymaga poprawy i gdzie potrzebna jest decyzja człowieka.
Wraz z kursem otrzymasz
Drukowane materiały szkoleniowe
dwumiesięczny dostęp do platformy szkoleniowej
konsultacje z Trenerem
drugie podejście do egzaminu gratis*
Co dalej?
Po ukończeniu szkolenia warto rozważyć dalszy rozwój w obszarze testowania z wykorzystaniem sztucznej inteligencji poprzez:


