تست هوش مصنوعی ISTQB – آموزش جامع و آمادگی آزمون - آخرین آپدیت

سرفصل ها و درس ها

فصل ۱ – مقدمه و بخش ۱ Introduction and Chapter 1

• مقدمه‌ای بر دوره Introduction to the course

• فصل ۱: مقدمه‌ای بر هوش مصنوعی (AI) Chapter 1: Introduction to Artificial Intelligence (AI)

• فناوری‌های AI AI Technologies

• سخت‌افزار برای سیستم‌های مبتنی بر AI Hardware for AI-Based Systems

• AI به عنوان سرویس (AIaaS) AI as a Service (AIaaS)

• مدل‌های از پیش آموزش‌دیده و یادگیری انتقالی Pre-Trained models and Transfer Learning

• استانداردها، مقررات و AI Standards. Regulations and AI

• فصل ۱: آزمون Chapter 1: Quiz

فصل ۲ – ویژگی‌های کیفیت برای سیستم‌های مبتنی بر AI Chapter 2: Quality Characteristics for AI-Based Systems

• مروری بر ویژگی‌های خاص AI Overview of AI Specific Characteristics

• انعطاف‌پذیری و سازگاری Flexibility and Adaptability

• خودمختاری و تکامل Autonomy and Evolution

• سوگیری Bias

• انواع سوگیری: الگوریتمی و نمونه‌ای Types of Bias: Algorthmic and Sample

• اخلاق، عوارض جانبی و هک پاداش Ethics, Side-effects and Reward Hacking

• شفافیت، قابلیت تفسیر، قابلیت توضیح و ایمنی Transparency, Interpretability, Explainability and Safety

• فصل ۲: آزمون Chapter 2: Quiz

فصل ۳ – یادگیری ماشین (ML) – مروری کلی Chapter 3: Machine Learning (ML) – Overview

• اشکال یادگیری ماشین Forms of Machine Learning

• گردش کار یادگیری ماشین Machine Learning Workflow

• فصل ۳: آزمون Chapter 3: Quiz

فصل ۴ – داده‌های ML Chapter 4: ML Data

• آماده‌سازی و تقسیم داده‌ها Data Preparation and Split

• تمرین، مسائل و اثرات کیفیت مجموعه داده، برچسب‌گذاری داده Exercise, Dataset Quality Issues and Effects, Data Labelling

• فصل ۴: آزمون Chapter 4: Quiz

فصل ۵ – معیارهای عملکردی ML Chapter 5: ML Functional Performance Metrics

• ماتریس سردرگمی و دقت Confusion Matrix and Accuracy

• دقت، فراخوانی، F1-Score و تمرین Precision,Recall, F1-Score and Exercise

• معیارهای عملکردی: محدودیت‌ها، انتخاب‌ها و تمرین Functional Performance Metrics: Limitations, Selections and Exercise

• مجموعه‌های بنچمارک برای ML Benchmark Suites for ML

• فصل ۵: آزمون Chapter 5: Quiz

فصل ۶ – ML – شبکه‌های عصبی و آزمون Chapter 6: ML – Neural Networks and Testing

• مروری بر شبکه‌های عصبی Overview of Neural Networks

• تمرین – پیاده‌سازی یک پرسپترون ساده و آموزش یک شبکه عصبی Exercise - Implement a Simple Perceptron and Training a Neural Network

• معیارهای پوشش و ملاک‌ها برای شبکه‌های عصبی Coverage Measures and Criteria for Neural Networks

• فصل ۶: آزمون Chapter 6: Quiz

فصل ۷ – مروری بر آزمون سیستم‌های مبتنی بر AI Chapter 7: Testing AI-Based Systems Overview

• سطوح آزمون برای سیستم‌های مبتنی بر AI Test Levels for AI-Based Systems

• سوگیری خودکارسازی، مستندسازی، رانش مفهومی و یک تمرین Automation Bias, Documentation, Concept Drift and an Exercise

• ریسک‌های معمول و راه‌کارهای کاهش آن‌ها برای سیستم‌های ML Typical Risks and Mitigations for ML Systems

• فصل ۷: آزمون Chapter 7: Quiz

فصل ۸ – آزمون ویژگی‌های کیفیت خاص AI Chapter 8: Testing AI-Specific Quality Characteristics

• چالش‌های آزمون سیستم‌های خودآموز Challenges Testing Self-Learning Systems

• آزمون سیستم‌های خودمختار مبتنی بر AI، سوگیری الگوریتمی، نمونه‌ای و نامناسب Testing Autonomous AI-Based Systems, Algorithmic, Sample, and Inappropriate Bias

• چالش‌های آزمون سیستم‌های احتمالی و غیرقطعی مبتنی بر AI Challenges Testing Probabilistic and Non-Deterministic AI-Based Systems

• چالش‌های آزمون سیستم‌های پیچیده مبتنی بر AI Challenges Testing Complex AI-Based Systems

• اوراکل‌های آزمون برای سیستم‌های مبتنی بر AI Test Oracles for AI-Based Systems

• اهداف آزمون و معیارهای پذیرش Test Objectives and Acceptance Criteria

• آزمون شفافیت، قابلیت تفسیر و قابلیت توضیح Testing the Transparency, Interpretability, and Explainability

• فصل ۸: آزمون Chapter 8: Quiz

فصل ۹ – روش‌ها و تکنیک‌ها برای آزمون سیستم‌های مبتنی بر AI Chapter 9: Methods and Techniques for the Testing of AI-Based Systems

• حملات خصمانه و مسموم‌سازی داده Adversarial attacks and Data Poisoning

• آزمون جفت‌به‌جفت Pairwise Testing

• آزمون Back-To-Back و آزمون A/B Back-To-Back Testing and A/B Testing

• آزمون متامورفیک Metamorphic Testing

• آزمون مبتنی بر تجربه Experience-Based Testing

• تمرین: آزمون اکتشافی و تحلیل اکتشافی داده (EDA) Exercise: Exploratory Testing and Exploratory Data Analysis (EDA)

• انتخاب تکنیک‌های آزمون برای سیستم‌های مبتنی بر AI Selecting Test Techniques for AI-Based Systems

• فصل ۹: آزمون Chapter 9: Quiz

فصل ۱۰ – محیط‌های آزمون برای سیستم‌های مبتنی بر AI Chapter 10: Test Environments for AI-Based Systems

• محیط‌های آزمون برای سیستم‌های مبتنی بر AI Test Environments for AI-Based Systems

• مزایای محیط‌های آزمون مجازی Benefits of Virtual Test Environments

• فصل ۱۰: آزمون Chapter 10: Quiz

فصل ۱۱ – استفاده از AI برای آزمون Chapter 11: Using AI for Testing

• قدرت AI در آزمون Power of AI in Testing

• استفاده از AI برای تحلیل نقایص گزارش‌شده Using AI to Analyze Reported Defects

• استفاده از AI برای تولید سناریوهای آزمون Using AI for Test Case Generation

• استفاده از AI برای بهینه‌سازی مجموعه‌های آزمون رگرسیون Using AI for the Optimization of Regression Test Suites

• استفاده از AI برای پیش‌بینی نقص و آزمون رابط‌های کاربری Using AI for Defect Prediction and Testing User Interfaces

• فصل ۱۱:: آزمون Chapter 11:: Quiz

• تمرین: ساخت یک سیستم پیش‌بینی نقص Exercise: Build a Defect Prediction System

فصل ۱۲ – امتحان نمونه نهایی Final Sample Exam

• امتحان نمونه نهایی: ۴۰ سوال Final Sample Exam: 40 questions