لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آمادگی آزمون: ISTQB CT-GenAI
- آخرین آپدیت
دانلود Exam Preparation: ISTQB CT‑GenAI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش گامبهگام برای دریافت گواهینامه CT-GenAI
درک نقش هوش مصنوعی مولد (Generative AI) و مدلهای زبانی بزرگ (LLMs) در تست نرمافزار
یادگیری نحوه طراحی پرامپتهای مؤثر برای وظایف مختلف تست
بررسی قابلیتهای کلیدی AI مانند ایجاد تست کیس، تحلیل نقصها (Defect Analysis) و تولید دادههای تست
شناسایی ریسکهای رایج مانند توهمات (Hallucinations)، خطاهای استدلالی و سوگیریها
کشف استراتژیهای بهبود قابلیت اطمینان و امنیت در استفاده از GenAI
آگاهی از حریم خصوصی دادهها، رعایت مقررات و ملاحظات اخلاقی
بررسی تغییر نقشهای تسترها و مدیران تست در عصر هوش مصنوعی
راهنمای عملی برای آمادگی در آزمون گواهینامه ISTQB CT-GenAI
پیشنیازها: دانش پایه در مفاهیم تست نرمافزار مفید است اما اجباری نیست
علاقمندی به یادگیری نحوه کاربرد AI و LLMها در تست
عدم نیاز به تجربه قبلی در زمینه هوش مصنوعی مولد
این دوره شامل استفاده از هوش مصنوعی است.
به دوره "آمادگی آزمون: ISTQB CT-GenAI"خوش آمدید!
این دوره راهنمای جامع شما برای تسلط بر مفاهیم، تکنیکها و مسئولیتهای لازم برای برتری در تست با هوش مصنوعی مولد است و بهطور خاص برای کمک به شما در آمادگی آزمون ISTQB Certified Tester – Foundation Level Extension: Generative AI (CT-GenAI) طراحی شده است.
چه یک تستر باسابقه باشید که قصد دارد مهارتهای خود را با عصر AI تطبیق دهد و چه یک متخصص QA که به دنبال کسب دانش پیشرو در زمینه LLMها، مهندسی پرامپت و متدهای تست به کمک AI است، این دوره یک رویکرد جامع و مبتنی بر سیلابسارائه میدهد که شما را قادر میسازد با اطمینان کامل در آزمون پذیرفته شوید.
آنچه خواهید آموخت:
مبانی و طیف هوش مصنوعی درک تفاوتهای بین AI نمادین، یادگیری ماشین کلاسیک، یادگیری عمیق و هوش مصنوعی مولد. یادگیری نحوه عملکرد LLMها و SLMها، شامل توکنسازی، Embeddingها و پنجرههای زمینهای (Context Windows).
قابلیتهای کلیدی LLMها در تست بررسی نحوه پشتیبانی AI از تحلیل نیازمندیها، ایجاد تست کیس، تولید دادههای تست، تحلیل نقصها، اتوماسیون و گزارشدهی در طول چرخه حیات تست.
تکنیکهای مهندسی پرامپت تسلط بر پرامپتهای ساختاریافته، زنجیرهسازی پرامپت (Prompt Chaining)، Few-shot Prompting و متا پرامپتینگ. یادگیری نحوه بهینهسازی پرامپتها برای دقت و قابلیت اطمینان در وظایف تست.
ریسکها و استراتژیهای کاهش اثرات شناسایی و رفع چالشهای AI مانند توهمات، خطاهای استدلالی، سوگیریها و رفتارهای غیرقطعی. یادگیری تکنیکهای کاهش اثرات مانند RAG، Fine-tuning و فرآیندهای بررسی ساختاریافته.
حریم خصوصی دادهها و امنیت کشف نحوه استفاده مسئولانه از GenAI با تمرکز بر روشهای حفظ حریم خصوصی، مقررات حفاظت از دادهها مانند GDPR و ملاحظات امنیتی در ابزارهای تست مبتنی بر AI.
استانداردها، مقررات و اخلاق بررسی استانداردهای مرتبط (ISO/IEC 42001, ISO/IEC 23053)، چارچوبها (NIST AI RMF) و قانون AI اتحادیه اروپا. درک پیامدهای اخلاقی استفاده از GenAI در تست و نحوه اجرای آنها در عمل.
مدیریت تست در سازمانهای مجهز به AI بررسی تکامل نقشهای تستر و مدیر تست در محیطهای مبتنی بر AI. یادگیری درباره تیمهای ترکیبی (تستر انسانی و عوامل AI) و نحوه ایجاد استراتژیهای GenAI در سازمانهای تست.
آمادگی عملی برای آزمون سنجش دانش شما با سوالات تمرینی طراحی شده برای شبیهسازی آزمون واقعی ISTQB CT-GenAI، جهت کسب اعتماد به نفس و مهارتهای آماده برای آزمون.
این دوره برای چه کسانی است:
داوطلبان گواهینامه CT-GenAI:افرادی که برای آزمون ISTQB CT-GenAI آماده میشوند و به دنبال یک مسیر مطالعه ساختاریافته و عمیق هستند.
متخصصان QA و تسترها:تسترهایی که مشتاق گسترش تخصص خود در تستهای مبتنی بر AI هستند تا در این حوزه در حال تکامل، مزیت رقابتی کسب کنند.
متخصصان AI و نرمافزار:کسانی که میخواهند بدانند AI چگونه بر فرآیندهای تست، ریسکها و کیفیت در پروژههای واقعی تاثیر میگذارد.
در پایان این دوره، شما درک دقیقی از هر دو بخش مبانی نظریو کاربردهای عملیهوش مصنوعی مولد در تست نرمافزار خواهید داشت. شما نه تنها برای قبولی در آزمون گواهینامه ISTQB CT-GenAI آماده خواهید بود، بلکه میتوانید این بینشها را بهطور موثر در سناریوهای واقعی تست به کار ببرید.
بیایید مسیر تبدیل شدن به یک تستر تایید شده در هوش مصنوعی مولدرا آغاز کنیم!
سرفصل ها و درس ها
مقدمه
Introduction
درباره مدرس
About instructor
اطلاعات درباره آزمون CT-GenAI
Information about Exam CT‑GenAI
آشنایی با هوش مصنوعی مولد برای تست نرمافزار
Introduction to Generative AI for Software Testing
طیف AI: نمادین، یادگیری ماشین، یادگیری عمیق و AI مولد
AI Spectrum: Symbolic, ML, Deep & Generative AI
مبانی هوش مصنوعی مولد و LLMها
Basics of Generative AI and LLMs
مدلهای LLM پایه، تنظیم شده با دستورالعمل و استدلالی
Foundation, Instruction-Tuned and Reasoning LLMs
مدلهای LLM چندوجهی و مدلهای زبان بینایی
Multimodal LLMs and Vision-Language Models
قابلیتهای کلیدی LLM برای وظایف تست
Key LLM Capabilities for Test Tasks
چتباتهای AI و اپلیکیشنهای تست مبتنی بر LLM برای تست نرمافزار
AI Chatbots and LLM-Powered Testing Applications for Software Testing
مهندسی پرامپت برای تست موثر نرمافزار
Prompt Engineering for Effective Software Testing
ساختار پرامپتها برای هوش مصنوعی مولد در تست نرمافزار
Structure of Prompts for Generative AI in Software Testing
تکنیکهای اصلی پرامپتنویسی برای تست نرمافزار
Core Prompting Techniques for Software Testing
پرامپت سیستم (System Prompt) و پرامپت کاربر (User Prompt)
System Prompt and User Prompt
تحلیل تست با هوش مصنوعی مولد
Test Analysis with Generative AI
طراحی و پیادهسازی تست با هوش مصنوعی مولد
Test Design and Test Implementation with Generative AI
تست رگرسیون خودکار با هوش مصنوعی مولد
Automated Regression Testing with Generative AI
مانیتورینگ و کنترل تست با هوش مصنوعی مولد
Test Monitoring and Test Control with Generative AI
انتخاب تکنیکهای پرامپتنویسی برای تست نرمافزار
Choosing Prompting Techniques for Software Testing
معیارهای ارزیابی نتایج هوش مصنوعی مولد در وظایف تست
Metrics for Evaluating the Results of Generative AI on Test tasks
تکنیکهای ارزیابی و اصلاح تکرارشونده پرامپتها
Techniques for Evaluating and Iteratively Refining Prompts
مدیریت ریسکهای هوش مصنوعی مولد در تست نرمافزار
Managing Risks of Generative AI in Software Testing
توهمات، خطاهای استدلالی و سوگیریها در هوش مصنوعی مولد
Hallucinations, Reasoning Errors and Biases in Generative AI
شناسایی توهمات، خطاهای استدلالی و سوگیریها در خروجی LLM
Identify Hallucinations, Reasoning Errors and Biases in LLM Output
کاهش اثرات توهمات، خطاها و سوگیریهای GenAI
Mitigation of GenAI Hallucinations, Errors & Biases
کاهش اثرات رفتار غیرقطعی LLMها
Mitigation of Non-Deterministic Behavior of LLMs
ریسکهای حریم خصوصی و امنیت دادهها در استفاده از هوش مصنوعی مولد
Data Privacy and Security Risks Associated with Using Generative AI
حریم خصوصی دادهها و نقاط ضعف در تستهای GenAI
Data Privacy & Vulnerabilities in GenAI Testing
استراتژیهای کاهش ریسک برای حریم خصوصی و امنیت در تستهای GenAI
Mitigation Strategies for Privacy & Security in GenAI Testing
تاثیر استفاده از GenAI بر مصرف انرژی و انتشار CO2
The Impact of Using GenAI on Energy Consumption and CO2 Emissions
مقررات و استانداردهای AI برای تستهای GenAI
AI Regulations & Standards for GenAI Testing
زیرساختهای تست مبتنی بر LLM برای تست نرمافزار
LLM-Powered Test Infrastructure for Software Testing
زیرساخت تست LLM: اجزا و مفاهیم کلیدی
LLM Test Infrastructure: Key Components & Concepts
تولید تقویت شده با بازیابی (RAG)
Retrieval-Augmented Generation
نقش عوامل (Agents) مبتنی بر LLM در اتوماسیون فرآیندهای تست
The Role of LLM-Powered Agents in Automating Test processes
تنظیم دقیق (Fine Tuning) مدلهای LLM برای وظایف تست
Fine-Tuning LLMs for Test tasks
مفهوم LLMOps در استقرار و مدیریت LLMها برای تست نرمافزار
LLMOps when Deploying and Managing LLMs for Software Testing
استقرار و یکپارچهسازی هوش مصنوعی مولد در سازمانهای تست
Deploying and Integrating Generative AI in Test organizations
ریسکهای هوش مصنوعی سایه (Shadow AI)
Risks of Shadow AI
جنبههای کلیدی استراتژی هوش مصنوعی مولد در تست نرمافزار
Key Aspects of a Generative AI Strategy in Software Testing
انتخاب LLMها/SLMها برای وظایف تست نرمافزار
Selecting LLMs/SLMs for Software Test Tasks
مراحل پذیرش هوش مصنوعی مولد در تست نرمافزار
Phases when Adopting Generative AI in Software Testing
مهارتها و دانش ضروری برای تست با هوش مصنوعی مولد
Essential Skills and Knowledge for Testing with Generative AI
ساخت قابلیتهای هوش مصنوعی مولد در تیمهای تست
Building Generative AI Capabilities in Test Teams
تکامل فرآیندهای تست در سازمانهای تست مجهز به AI
Evolving Test Processes in AI-Enabled Test organizations
شبیهساز مصاحبه شغلی
Mock Job Interview
توضیح مفاهیم هوش مصنوعی مولد در تست نرمافزار
Explaining Generative AI Concepts in Software Testing
نمایش نظرات