آموزش دوره جامع گواهینامه تست هوش مصنوعی ISTQB AI Testing (CT-AI) - ۲۰۲۶ - آخرین آپدیت

سرفصل ها و درس ها

معرفی دوره Introduction to Course

• سوالات متداول گواهینامه و ساختار دوره Certification FAQ's & How this course is designed?

• نکته مهم: استراتژی دوره برای تسریع در یادگیری مبانی AI Important Note : Course Strategy to speed up on AI basics

درک بنیادی هوش مصنوعی و یادگیری ماشین همراه با مثال Foundational understanding of AI & Machine Learning with examples

• مقدمه‌ای بر سیستم‌های هوش مصنوعی همراه با مثال Introduction to Artificial Intelligence Systems with examples

• یادگیری ماشین چیست و چه ارتباطی با خانواده AI دارد What is Machine Learning and how it is related to Artificial Intelligence family

• مثال‌هایی از مدل‌های رایج یادگیری ماشین و کاربردهای آن‌ها Examples of commonly used Machine Learning Models and their usage

• درک مراحل چرخه عمر مدل یادگیری ماشین در حالت‌های آنلاین و آفلاین Understand Machine Learning Model Life cycle stages with online/offline modes

• خلاصه‌ای از نحوه عملکرد مدل‌های یادگیری ماشین و اصطلاحات کلیدی How Machine Learning models works in nutshell -Learn terminologies used

• درک نحوه عملکرد OverFitting و UnderFitting با مجموعه‌داده‌های آموزش دیده Understand how OverFitting Testng & UnderFitting works with Trained data sets

• دموی پیش‌بینی قیمت خانه برای نمایش نحوه عملکرد داخلی الگوریتم‌ها Predicting House Prices (ML Model) Demo to show how internally Algorithms works

• مروری بر تست مدل‌های یادگیری نظارت شده با مثال‌های بیش‌برازش و کم‌برازش Revision on Supervised Learning Model Testing with Overfitting/UnderFitting ex

• مقدمه‌ای بر یادگیری نظارت نشده در مدل‌های ML همراه با مثال Introduction to Unsupervised Learning in the ML models with example

• دامنه تست در یادگیری نظارت نشده با الگوهای نقاط داده و امتیازات خوشه Testing scope on Unsupervised Learning with Data point patterns&Cluster scores

• مقدمه‌ای بر یادگیری تقویتی در مدل‌های ML همراه با مثال Introduction to Reinforcement Learning in ML Model with examples

فصل ۱: مقدمه‌ای بر هوش مصنوعی Chapter 1 - Introduction to AI

• تفاوت‌های بین AI عمومی، Super AI و AI محدود (Narrow AI) Differences between General AI & Super AI & Narrow AI

• مقایسه AI با سیستم‌های متداول: بررسی تکنولوژی‌ها و فریمورک‌ها AI vs Conventional Systems - Technologies & Frameworks overview

• هوش مصنوعی به عنوان سخت‌افزار و سرویس SaaS: مزایا و ریسک‌ها AI as Hardware & SaaS service - Benefits and Risks

• مدل‌های AI پیش‌آموزش دیده در مقابل مدل‌های AI میزبان به عنوان سرویس Pre Trained AI Models vs Hosted AI Models as Service

کوییزها و مقالات تکمیلی فصل ۱ Quizzes & Supplementary Articles for Chapter - 1

• تقویت یادگیری با مقالات تکمیلی و کوییزها Strengthening Learning with Supplementary Articles and Quizzes

• AI محدود، عمومی و Super: درک سطوح هوش مصنوعی Narrow, General, and Super AI: Understanding Levels of Artificial Intelligence

• سیستم‌های مبتنی بر AI در مقابل سیستم‌های متداول AI-Based and Conventional Systems

• سخت‌افزارهای سیستم‌های AI و هوش مصنوعی به عنوان سرویس (AIaaS) Hardware for AI-Based Systems & AI as a Service (AIaaS)

• مدل‌های پیش‌آموزش دیده: راهنمای جامع برای متخصصان تست AI Pre-Trained Models: A Comprehensive Guide for AI Testing Professionals

• کوییز بخش ۳ Section-3 Quiz

فصل ۲: ویژگی‌های کیفی سیستم‌های مبتنی بر هوش مصنوعی Chapter 2 - Quality Characteristics of AI based Systems

• چگونه مدل‌ها می‌توانند منعطف، سازگار و دارای خودمختاری باشند How Models can be in Flexible , Adaptable & play role of Autonomy

• قابلیت‌های تکامل و خودیادگیری در مدل‌های AI Evolution & Self Learning capabilities for AI Models

• سوگیری (Bias) و اخلاقیات در حوزه AI چیست و چگونه شناسایی شوند What are Bias & Ethics in AI context ? How to identify them with in AI Systems

• عوارض جانبی AI و استراتژی Reward Hacking در قابلیت خودیادگیری What are Side effects of AI & Reward Hacking Strategy to self learn capability

کوییزها و مقالات تکمیلی فصل ۲ Quizzes & Supplementary Articles for Chapter - 2

• مقاله: انعطاف‌پذیری و سازگاری Article: Flexibility and Adaptability

• مقاله: خودمختاری (Autonomy) Article: Autonomy

• تکامل (در سیستم‌های AI و معنای آن برای تست) Evolution (in AI-based systems and what it means for testing)

• مقاله: سوگیری و اخلاقیات Article: Bias and Ethics

• مقاله: عوارض جانبی و Reward Hacking Article: Side Effects and Reward Hacking

• کوییز بخش ۵ Section-5 Quiz

فصل ۳ و ۴: بررسی کلی یادگیری ماشین (ML) و آماده‌سازی داده‌ها Chapter 3 & 4 - Machine Learning(ML) Overview and its Data Preparation

• انواع یادگیری ماشین و درک تفاوت‌های آن‌ها Forms of Machine learning & Understand difference between them

• درک گردش کار (Workflow) یادگیری ماشین و اهداف آن از دیدگاه آزمون Understand Machine Learning Workflow & its objectives from exam perspective

• درک آماده‌سازی داده‌های ML و مشکلات کیفیت مجموعه داده‌ها Understand ML Data Preparation & its Dataset Quality issues

• برچسب‌گذاری داده‌ها چیست و چگونه بیش‌برازش یا کم‌برازش مدل را تشخیص دهیم What is Data labelling & how you decide if Model is overfitting/Underfitting

کوییزها و مقالات تکمیلی فصل ۳ و ۴ Quizzes & Supplementary Articles for Chapter - 3 & 4

• مقاله: انواع ML (نظارت شده، نظارت نشده، یادگیری تقویتی) Article: Forms of ML (Supervised, Unsupervised, Reinforcement Learning)

• مقاله: گردش کار ML Article: ML Workflow

• مقاله: انتخاب نوع یادگیری ماشین Article: Selecting a Form of ML

• مقاله: عوامل مؤثر در انتخاب الگوریتم ML Article: Factors Involved in ML Algorithm Selection

• مقاله: بیش‌برازش و کم‌برازش Article: Overfitting and Underfitting

• مقاله: آماده‌سازی داده‌ها به عنوان بخشی از گردش کار ML Article: Data Preparation as Part of the ML Workflow

• مقاله: مجموعه‌داده‌های آموزش، اعتبارسنجی و تست در گردش کار ML Article: Training, Validation and Test Datasets in the ML Workflow

• مقاله: مشکلات کیفیت مجموعه داده‌ها Article: Dataset Quality Issues

• مقاله: کیفیت داده‌ها و اثر آن بر مدل ML Article: Data Quality and its Effect on the ML Model

• مقاله: برچسب‌گذاری داده‌ها برای یادگیری نظارت شده Article: Data Labelling for Supervised Learning

• کوییز بخش ۷ Section-7 Quiz

فصل ۵: معیارهای عملکرد کاربردی ML Chapter 5 - ML Functional Performance Metrics

• ماتریس اغتشاش (Confusion Matrix) چیست؟ یادگیری با مثال What is Confusion Matrix -Learn with example inputs

• درک نحوه محاسبه دقت (Accuracy) و صحت (Precision) با مثال Understand the calculation of Accuracy & Precision with examples

• درک نحوه محاسبه Recall و F1 Score و مرور با مثال Understand the calculation of Recall & F1 Score - Revise with an example

• درک مفاهیم معیارهای رگرسیون و معیارهای خوشه‌بندی Understand the concept of Regression Metrics & Clustering Metrics

• محدودیت‌های معیارهای AI و انتخاب معیار مناسب Limitations of AI Metrics & Selecting the right Metric

فصل ۶: شبکه‌های عصبی و پوشش تست نورون‌ها Chapter 6 - Neural Networks & Neurons Test Coverage

• شبکه عصبی چیست؟ نحوه پردازش داخلی داده‌ها توسط AI What is Neural network? How AI Internally process data

• درک معماری شبکه عصبی عمیق با یک مثال واقعی Understand Deep Neural network Architecture with an real time example

• خلاصه مفاهیم کلیدی: وزن، سوگیری، مقادیر و توابع فعال‌ساز Key Concepts Summary - Weight, Bias, Activation Values & Functions

• پوشش (Coverage) در شبکه‌های عصبی چگونه اندازه‌گیری می‌شود؟ مقدمه How Coverage in Neural networks is measured? Introduction

• درک ۵ نوع پوشش شبکه عصبی برای تست جامع Understand 5 types of Neural network coverages for comprehensive Testing

کوییزها و مقالات تکمیلی فصل ۵ و ۶ Quizzes & Supplementary Articles for Chapter - 5 & 6

• مقاله: ماتریس اغتشاش Article: Confusion Matrix

• مقاله: معیارهای عملکرد برای طبقه‌بندی، رگرسیون و خوشه‌بندی Article: Performance Metrics for Classification, Regression, and Clustering

• مقاله: محدودیت‌های معیارهای عملکرد کاربردی ML Article: Limitations of ML Functional Performance Metrics

• مقاله: انتخاب معیارهای عملکرد کاربردی ML Article: Selecting ML Functional Performance Metrics

• مقاله: مجموعه‌های محک (Benchmark) برای یادگیری ماشین Article: Benchmark Suites for Machine Learning

• مقاله: شبکه‌های عصبی در تست AI: ساختار، عملکرد و تکنیک تست Article: Neural Networks in AI Testing: Structure, Function and Testing Techniqe

• مقاله: معیارهای پوشش برای شبکه‌های عصبی Article: Coverage Measures for Neural Networks

• کوییز بخش ۹ Section-9 Quiz

فصل ۷: بررسی کلی تست سیستم‌های مبتنی بر هوش مصنوعی Chapter 7 - Testing AI based Systems - Overview

• چالش‌های خاص در تست سیستم‌های AI در مقابل سیستم‌های سنتی Specific Challenges in Testing AI systems vs Traditional Systems

• سطوح تست برای AI: بررسی دقیق انواع تست Test Levels for AI - Detailed overview of Testing types

• چالش‌های داده‌های تست: درک با مثال‌های سناریو محور Test Data Challenges - Understand with Scenario example

• مستندسازی اجزای AI و درک رانش مفهومی (Concept Drift) با مثال Documenting AI components & understand Concept Drift with example

• شناسایی ریسک در تست AI و به‌کارگیری تکنیک‌های کاهش ریسک Identifying Risk in the AI Testing and apply Mitigation Techniques

کوییزها و مقالات تکمیلی فصل ۷ Quizzes & Supplementary Articles for Chapter - 7

• مقاله: مشخصات سیستم‌های مبتنی بر AI Article : Specification of AI-Based Systems

• مقاله: سطوح تست برای سیستم‌های مبتنی بر AI Article: Test Levels for AI-Based Systems

• مقاله: داده‌های تست برای سیستم‌های مبتنی بر AI Article: Test Data for Testing AI-based Systems

• مقاله: تست سوگیری اتوماسیون در سیستم‌های مبتنی بر AI Article: Testing for Automation Bias in AI-Based Systems

• مقاله: مستندسازی یک جزء AI: کلید تست مؤثر AI Article: Documenting an AI Component: A Key to Effective AI Testing

• مقاله: تست رانش مفهومی (Concept Drift) در سیستم‌های AI Article: Testing for Concept Drift in AI-Based Systems

• مقاله: انتخاب رویکرد تست برای یک سیستم ML Article: Selecting a Test Approach for an ML System

• کوییز بخش ۱۱ Section-11 Quiz

فصل ۸: تکنولوژی‌های AI مورد استفاده در تست Chapter 8 - AI Technologies used in Testing

• چالش‌های تست سیستم‌های خودیادگیر همراه با مثال Challenges in Testing Self Learning Systems -Examples

• تست AI خودمختار: تست موارد مرزی برای تعیین زمان تحویل کنترل Testing Autonomous AI - Testing edge cases to decide when to handover control

• تست سوگیری در AI: مرور واقعیت‌ها و تکنیک‌های تست Testing Bias in AI - Recap the facts & Testing techniques

• شفافیت، تفسیرپذیری و توضیح‌پذیری: موارد کلیدی برای بررسی در AI Transparency, Interpretability & Explainability - Key things to check for AI

کوییزها و مقالات تکمیلی فصل ۸ Quizzes & Supplementary Articles for Chapter - 8

• مقاله: چالش‌های تست سیستم‌های خودیادگیر Article: Challenges Testing Self-Learning Systems

• مقاله: تست سیستم‌های AI خودمختار Article: Testing Autonomous AI-Based Systems

• مقاله: تست سوگیری‌های الگوریتمی، نمونه‌ای و نامناسب در سیستم‌های AI Article:Testing for Algorithmic, Sample, & Inappropriate Bias in AI-Based System

• مقاله: چالش‌های تست سیستم‌های احتمالی و غیرقطعی مبتنی بر AI Article: Challenges Testing Probabilistic and Non-Deterministic AI-Based Systems

• مقاله: چالش‌های تست سیستم‌های پیچیده مبتنی بر AI Article: Challenges Testing Complex AI-Based Systems

• تست شفافیت، تفسیرپذیری و توضیح‌پذیری سیستم‌های AI Testing the Transparency, Interpretability,and Explainability of AI-Based System

• مقاله: اوراکل‌های تست برای سیستم‌های مبتنی بر AI Article: Test Oracles for AI-Based Systems

• مقاله: اهداف تست و معیارهای پذیرش در تست AI Article: Test Objectives and Acceptance Criteria in AI Testing

فصل ۹: متدها و تکنیک‌های تست سیستم‌های دارای سوگیری AI Chapter 9 - Methods & Techniques for Testing AI biased Systems

• چرا به تست‌های خاص AI نیاز داریم؟ حملات متخاصم (Adversarial) Why do we need special AI Testing? - Adversarial Attacks

• حملات مسموم‌سازی داده‌ها و متدهای شناسایی (نحوه دفاع تسترها) What are Data poisoning Attacks & Detection Methods (How testers defend)

• تست Pairwise و Back 2 Back: سناریوهای انتخاب این نوع تست‌ها Pairwise & Back 2 Back Testing - Scenarios where we choose this testing types

• تست متامورفیک و تست A/B در AI همراه با مثال Metamorphic Testing & A/B Testing in AI with examples

• تست مبتنی بر تجربه و مرور تمامی انواع تست‌ها در AI با مثال Experience based Testing & Recap of all testing types in AI with examples

کوییزها و مقالات تکمیلی فصل ۹ Quizzes & Supplementary Articles for Chapter - 9

• مقاله: حملات متخاصم و مسموم‌سازی داده‌ها در تست AI Article: Adversarial Attacks and Data Poisoning in AI Testing

• مقاله: تست Pairwise در سیستم‌های مبتنی بر AI Article: Pairwise Testing in AI-Based Systems

• مقاله: تست Back to Back در سیستم‌های مبتنی بر AI Article: Back-to-Back Testing in AI-Based Systems

• مقاله: تست A/B در سیستم‌های مبتنی بر AI Article: A/B Testing in AI-Based Systems

• مقاله: تست متامورفیک (MT) در سیستم‌های مبتنی بر AI Article: Metamorphic Testing (MT) in AI-Based Systems

• مقاله: تست مبتنی بر تجربه در سیستم‌های مبتنی بر AI Article: Experience-Based Testing of AI-Based Systems

• مقاله: انتخاب تکنیک‌های تست برای سیستم‌های مبتنی بر AI Article: Selecting Test Techniques for AI-Based Systems

• کوییز Quiz

فصل ۱۰ و ۱۱: محیط‌های تست و تکنولوژی‌های AI برای سیستم‌های هوشمند Chapter 10 & 11 - Test environments & AI Technologies used for AI Systems

• محیط‌های تست مجازی برای اپلیکیشن‌ها و سیستم‌های AI چیست؟ What are virtual test environments for AI applications/systems?

• نحوه صدور گواهینامه برای سیستم‌های AI: ایمنی، شفافیت و عوارض جانبی How AI systems are certified - Safety, Transparency & Side effectd

• یادگیری متدهای احتمالی، پیش‌بینی طبقه‌بندی و بهینه‌سازی جستجو Learn Probabilistic methods, Classification Prediction, Search optimization

کوییزها و مقالات تکمیلی فصل ۱۰ و ۱۱ Quizzes & Supplementary Articles for Chapter - 10 & 11

• مقاله: محیط‌های تست برای سیستم‌های مبتنی بر AI Article: Test Environments for AI-Based Systems

• مقاله: محیط‌های تست مجازی برای تست سیستم‌های AI Article: Virtual Test Environments for Testing AI-Based Systems

• مقاله: تکنولوژی‌های AI برای تست Article: AI Technologies for Testing

• مقاله: استفاده از AI برای تحلیل نقص‌های گزارش شده Article: Using AI to Analyze Reported Defects

• مقاله: استفاده از AI برای تولید تست‌کیس Article: Using AI for Test Case Generation

• مقاله: استفاده از AI برای بهینه‌سازی مجموعه‌های تست رگرسیون Article: Using AI for the Optimization of Regression Test Suites

• مقاله: استفاده از AI برای پیش‌بینی نقص‌ها Article: Using AI for Defect Prediction

• مقاله: استفاده از AI برای تست رابط‌های کاربری (UI) Article: Using AI for Testing User Interfaces

• کوییز Quiz

آزمون نهایی Final Exam

• آزمون نهایی ۱ Final Exam-1

• آزمون نهایی ۲ Final Exam-2