آموزش تست هوش مصنوعی ISTQB - بهترین شیوه ها را بیاموزید و برای امتحان آماده شوید

ISTQB AI Testing - Learn best practices and prepare for exam

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بر اساس تمرینات زندگی واقعی و آموزش داده شده توسط دکتر استوارت رید، متخصص تست جهانی SW با بیش از 30 سال تجربه، وضعیت فعلی و روندهای مورد انتظار هوش مصنوعی را درک کنید. پیاده‌سازی و آزمایش یک مدل ML را تجربه کنید و تشخیص دهید که آزمایش‌کنندگان می‌توانند به بهترین شکل بر کیفیت آن تأثیر بگذارند. درک چالش‌های مرتبط با آزمایش سیستم‌های مبتنی بر هوش مصنوعی، مانند قابلیت‌های خودآموزی، تعصب، اخلاق، پیچیدگی، عدم قطعیت و موارد دیگر. طراحی و اجرای کیس های آزمایشی برای سیستم های مبتنی بر هوش مصنوعی. الزامات ویژه برای زیرساخت آزمایش برای پشتیبانی از آزمایش سیستم های مبتنی بر هوش مصنوعی را بشناسید. درک کنید که چگونه می توان از هوش مصنوعی برای پشتیبانی از تست نرم افزار استفاده کرد. پیش نیازها: بدون نیاز به تجربه برنامه نویسی. راهنماهای مفصلی برای همه چیزهایی که باید بدانید ارائه شده است

نمای کلی دوره

آزمایش سیستم‌های سنتی به خوبی درک شده است، اما سیستم‌های مبتنی بر هوش مصنوعی، که در زندگی روزمره ما رایج‌تر و حیاتی‌تر می‌شوند، چالش‌های جدیدی را معرفی می‌کنند. این دوره مفاهیم کلیدی هوش مصنوعی (AI)، نحوه تصمیم گیری برای معیارهای پذیرش و نحوه آزمایش سیستم های مبتنی بر هوش مصنوعی را معرفی می کند. این سیستم ها دارای ویژگی های منحصر به فردی هستند که آنها را خاص می کند - آنها می توانند پیچیده (مانند شبکه های عصبی عمیق)، خودآموز، مبتنی بر داده های بزرگ و غیر قطعی باشند، که چالش ها و فرصت های جدیدی برای آزمایش آنها ایجاد می کند.


این دوره طیف وسیعی از انواع سیستم‌های مبتنی بر هوش مصنوعی را که امروزه استفاده می‌شوند معرفی می‌کند و توضیح می‌دهد که چگونه یادگیری ماشینی (ML) اغلب بخش کلیدی این سیستم‌ها است و نشان می‌دهد که ساختن سیستم‌های ML چقدر آسان است. ما به این خواهیم پرداخت که چگونه تنظیم معیارهای پذیرش برای سیستم‌های مبتنی بر هوش مصنوعی باید تغییر کند، چرا باید اخلاق را در نظر بگیریم، و نشان خواهیم داد که چگونه ویژگی‌های سیستم‌های مبتنی بر هوش مصنوعی، آزمایش را نسبت به سیستم‌های سنتی دشوارتر می‌کنند.


مقدمه ای بر دوره تست هوش مصنوعی ISTQB توسط AIT

از سه دیدگاه برای نشان دادن چگونگی دستیابی به کیفیت با این سیستم ها استفاده می شود. ابتدا، انتخاب‌ها و بررسی‌هایی را که باید هنگام ساختن یک سیستم یادگیری ماشینی انجام شود، در نظر خواهیم گرفت تا از کیفیت داده‌های مورد استفاده برای آموزش و پیش‌بینی اطمینان حاصل کنیم. در حالت ایده‌آل، ما داده‌هایی می‌خواهیم که عاری از سوگیری و برچسب‌گذاری نادرست باشند، اما مهم‌تر از همه، با مشکل همسو باشند. در مرحله بعد، ما طیف وسیعی از رویکردهای مناسب برای آزمایش جعبه سیاه سیستم‌های مبتنی بر هوش مصنوعی را در نظر خواهیم گرفت، مانند آزمایش پشت سر هم و تست A/B، و با جزئیات، تکنیک تست دگرگونی را معرفی می‌کنیم. سوم، نشان خواهیم داد که چگونه می توان از تست جعبه سفید برای هدایت آزمایش و اندازه گیری پوشش آزمایشی شبکه های عصبی استفاده کرد.

نیاز به محیط‌های آزمایشی مجازی با استفاده از نمونه اتومبیل‌های خودران نشان داده می‌شود.

در نهایت، استفاده از هوش مصنوعی به‌عنوان پایه ابزارهایی که از آزمایش پشتیبانی می‌کنند، با نگاهی به نمونه‌هایی از کاربرد موفقیت‌آمیز هوش مصنوعی در مشکلات رایج تست در نظر گرفته می‌شود.


این دوره بسیار عملی است و شامل تمرین‌های عملی بسیاری است که تجربه ساخت و آزمایش انواع مختلف سیستم‌های یادگیری ماشین را در اختیار شرکت‌کنندگان قرار می‌دهد. هیچ تجربه برنامه نویسی لازم نیست.


سرفصل ها و درس ها

مقدمه ای بر هوش مصنوعی Introduction to AI

  • مقدمه_به_دوره intro_to_course

  • مقدمه ای بر هوش مصنوعی قسمت 1 Intro to AI Part 1

  • مقدمه هوش مصنوعی قسمت 2 Intro to AI Part 2

ویژگی های کیفیت برای سیستم های مبتنی بر هوش مصنوعی Quality Characteristics for AI-Based Systems

  • ویژگی های کیفیت قسمت 1 Quality Characteristics Part 1

  • ویژگی های کیفیت قسمت 2 Quality Characteristics Part 2

  • ویژگی های کیفیت قسمت 3 Quality Characteristics Part 3

یادگیری ماشینی (ML) - بررسی اجمالی Machine Learning (ML) – Overview

  • نمای کلی ML ML Overview

  • تمرین 1a Exercise 1a

  • تمرین 1b Exercise 1b

  • انواع ML ML Types

  • گردش کار ML قسمت 1 ML Workflow Part 1

  • گردش کار ML قسمت 2 ML Workflow Part 2

ML - داده ML – Data

  • آماده سازی و اکتساب داده ها Data Prep and Acquisition

  • تمرین 3a Exercise 3a

  • پیش پردازش داده ها Data Pre_Processing

  • تمرین 3b Exercise 3b

  • چالش های آماده سازی داده ها Data Prep Challenges

  • تمرین 3c Exercise 3c

  • کیفیت داده Data Quality

  • گردش کار ML ML Workflow

معیارهای عملکرد عملکردی ML ML Functional Performance Metrics

  • Perf Metrics Confusion Matrix Perf Metrics Confusion Matrix

  • Perf Metrics Beyond Perf Metrics Beyond

ML - شبکه های عصبی و تست ML – Neural Networks and Testing

  • مقدمه ای بر پرسپترون ها Intro to Perceptrons

  • تمرین 9 Exercise 9

  • شبکه های عصبی Neural Networks

بررسی اجمالی سیستم های مبتنی بر هوش مصنوعی Testing AI-Based Systems Overview

  • مشخصات و مشکل اوراکل Specification and Oracle Problem

  • معیارهای پذیرش و مستندات Acceptance Criteria and Documentation

  • سطوح تست برای هوش مصنوعی Test Levels for AI

آزمایش ویژگی های کیفیت خاص هوش مصنوعی Testing AI-Specific Quality Characteristics

  • مسائل مربوط به تست خاص هوش مصنوعی قسمت 1 AI Specific Testing Issues Part 1

  • مسائل مربوط به تست AI بخش 2 AI Specific Testing Issues Part 2

روش‌ها و تکنیک‌های آزمایش سیستم‌های مبتنی بر هوش مصنوعی Methods and Techniques for the Testing of AI-Based Systems

  • انتخاب روش های آزمون Selecting Test Approaches

  • M_0T معرفی و حملات M_0T Intro and Attacks

  • تست ترکیبی Combinatorial Testing

  • تست B2B B2B Testing

  • تست دگرگونی Metamorphic Testing

  • تست مبتنی بر تجربه Experience-Based Testing

محیط های آزمایشی برای سیستم های مبتنی بر هوش مصنوعی Test Environments for AI-Based Systems

  • محیط های تست Test Environments

استفاده از هوش مصنوعی برای تست Using AI for Testing

  • استفاده از هوش مصنوعی قسمت 1 Using AI Part 1

  • با استفاده از هوش مصنوعی قسمت 2 Using AI Part 2

  • با استفاده از هوش مصنوعی قسمت 3 Using AI Part 3

  • تمرین 18 Exercise 18

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تست هوش مصنوعی ISTQB - بهترین شیوه ها را بیاموزید و برای امتحان آماده شوید
جزییات دوره
12 hours
41
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
308
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar