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

نمونه سوالات آزمون Sample exam

  • آزمون: CT-GenAI Exam: CT‑GenAI

  • جایزه اتمام دوره Reward for Completing the Course

نمایش نظرات

آمادگی آزمون: ISTQB CT-GenAI
جزییات دوره
2.5 hours
40
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,191
4.4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rafał Podraza - Testowanie Oprogramowania Rafał Podraza - Testowanie Oprogramowania

نرم افزار تستر | Udemy Instructor | نویسنده کتاب