آموزش استاد هوش مصنوعی مولد در تست نرم افزار: از دستی تا خودکار - آخرین آپدیت

سرفصل ها و درس ها

مقدمه ای بر هوش مصنوعی مولد در تست نرم افزار Introduction to Generative AI in Software Testing

• مروری بر دوره و اهداف Course Overview and Objectives

• مقدمه ای بر هوش مصنوعی مولد در تست نرم افزار Introduction to Generative AI in Software Testing

• جایزه: ابزارهای تمرین رایگان + تخفیف های دوره (برای همه تسترها) Bonus: Free Practice Tools + Course Discounts (For All Testers)

• کاربردهای عملی ابزارهای هوش مصنوعی در تست نرم افزار Practical Applications of AI Tools in Software Testing

• پروژه تست دنیای واقعی: معرفی صفحه تماس با ما Real-World Testing Project: Contact Us Page Introduction

• تمرین عملی: تولید طرح ها و موارد تست با استفاده از دستورات هوش مصنوعی Hands-On: Generating Test Plans and Cases Using AI Prompts

• چالش دنیای واقعی: تولید موارد تست برای صفحه ورود Real-World Challenge: Generate Test Cases for the Login Page

• راه حل دنیای واقعی: بررسی و اصلاح موارد تست صفحه ورود Real-World Solution: Review & Refine Login Page Test Cases

• آزمون دانش: مقدمه ای بر هوش مصنوعی مولد در تست نرم افزار Knowledge Check: Introduction to Generative AI in Software Testing

ابزارهای هوش مصنوعی بدون کد برای تستران دستی No-Code AI Tools for Manual Testers

• استفاده از دستورات هوش مصنوعی برای وظایف تست دستی Using AI Prompts for Manual Testing Tasks

• بارگذاری مستندات الزامات برای تولید مورد تست Uploading Requirement Documents for Test Case Generation

• معرفی GPT4ALL: مدل هوش مصنوعی آفلاین برای تولید مورد تست Introduction to GPT4ALL: Offline AI Model for Test Case Generation

• راه اندازی GPT4ALL به صورت محلی Setting Up GPT4ALL Locally

• تمرین های عملی با ابزارهای هوش مصنوعی بدون کد (آنلاین و آفلاین) Practical Exercises with No-Code AI Tools (Online and Offline)

• آزمون دانش: ابزارهای هوش مصنوعی بدون کد برای تستران دستی Knowledge Check: No-Code AI Tools for Manual Testers

مقدمه ای بر مفاهیم اتوماسیون و کدنویسی برای تسترها Introduction to Automation and Coding Concepts for Testers

• چرا پایتون برای تست و هوش مصنوعی ایده آل است Why Python is Ideal for Testing and AI

• مروری بر مفاهیم کدنویسی مرتبط با تست Overview of Coding Concepts Relevant to Testing

• تمرین کد کم: مدیریت داده تست با هوش مصنوعی Low-Code Exercise: AI-Enhanced Test Data Management

• آزمون دانش: مفاهیم اتوماسیون و کدنویسی برای تسترها Knowledge Check: Automation and Coding Concepts for Testers

راه اندازی محیط پایتون برای تست مبتنی بر هوش مصنوعی Setting Up Your Python Environment for AI-Powered Testing

• نصب پایتون Installing Python

• راه اندازی یک IDE پایتون (VSCode و افزونه ها) Setting Up a Python IDE (VSCode & Extensions)

• تایید محیط پایتون Verifying the Python Environment

مبانی پایتون برای تسترها Python Fundamentals for Testers

• مبانی پایتون – متغیرها، انواع داده ها و عملیات اساسی – (قسمت 1/2) Python Basics – Variables, Data Types, and Basic Operations – (Part 1/2)

• مبانی پایتون – متغیرها، انواع داده ها و عملیات اساسی – (قسمت 2/2) Python Basics – Variables, Data Types, and Basic Operations – (Part 2/2)

• مبانی پایتون – متغیرها و انواع داده ها Python Basics – Variables and Data Types

• جریان کنترل – شرطی ها و حلقه ها Control Flow – Conditionals and Loops

• جریان کنترل – شرطی ها و حلقه ها Control Flow – Conditionals and Loops

• توابع و قابلیت استفاده مجدد Functions and Reusability

• توابع و قابلیت استفاده مجدد Functions and Reusability

• لیست ها، دیکشنری ها و ساختارهای داده در تست Lists, Dictionaries, and Data Structures in Testing

• مدیریت فایل برای مدیریت داده تست File Handling for Test Data Management

• مدیریت استثناها برای تست قوی Exception Handling for Robust Testing

• مدیریت استثناها برای تست قوی Exception Handling for Robust Testing

• کار با داده های JSON برای تست API Working with JSON Data for API Testing

• کار با داده های JSON برای تست API Working with JSON Data for API Testing

• نصب و استفاده از کتابخانه های خارجی با pip – (قسمت 1/2) Installing and Using External Libraries with pip – (Part 1/2)

• نصب و استفاده از کتابخانه های خارجی با pip – (قسمت 2/2) Installing and Using External Libraries with pip – (Part 2/2)

مبانی هوش مصنوعی مولد در تست نرم افزار Foundations of Generative AI in Software Testing

• مدل های زبانی بزرگ (LLM) و نقش آنها در تست Large Language Models (LLMs) and Their Role in Testing

• مقدمه ای بر مهندسی Prompt برای تولید خودکار مورد تست Introduction to Prompt Engineering for Automated Test Case Generation

• استفاده از OpenAI API برای تولید مورد تست Using OpenAI API for Test Case Generation

• راه اندازی OpenAI API برای اتوماسیون تست Setting Up OpenAI API for Test Automation

• ایجاد یک VM پایتون و نصب بسته OpenAI Creating a Python VM and Installing OpenAI Package

• تمرین عملی: تولید موارد تست با OpenAI API Practical Exercise: Generating Test Cases with OpenAI API

• استفاده از GPT-Neo: یک مدل متن باز برای تست مبتنی بر هوش مصنوعی Using GPT-Neo: An Open-Source Model for AI-Powered Testing

• انتخاب مدل مناسب برای تست مبتنی بر هوش مصنوعی: OpenAI، متن باز و GPT4All Choosing the Right Model for AI-Powered Testing: OpenAI, Open-Source and GPT4All

• آزمون دانش: مبانی هوش مصنوعی مولد در تست نرم افزار Knowledge Check: Foundations of Generative AI in Software Testing

ساخت یک چارچوب اتوماسیون پیشرفته با هوش مصنوعی با BDD، Playwright و پایتون Building an AI-Enhanced Automation Framework with BDD, Playwright, and Python

• مقدمه ای بر توسعه مبتنی بر رفتار (BDD) Introduction to Behavior-Driven Development (BDD)

• مروری بر چارچوب Overview of the Framework

• راه اندازی چارچوب اتوماسیون Setting Up the Automation Framework

• راه اندازی ادغام OpenAI Setting Up OpenAI Integration

• استفاده از OpenAI برای تولید تست پویا Leveraging OpenAI for Dynamic Test Generation

• تجزیه و تحلیل و اصلاح سناریوهای BDD تولید شده Analyzing and Refining Generated BDD Scenarios

• پیاده سازی Setup و Teardown با Behave - (قسمت 1/2) Implementing Setup and Teardown with Behave - (Part 1/2)

• پیاده سازی Setup و Teardown با Behave - (قسمت 2/2) Implementing Setup and Teardown with Behave - (Part 2/2)

• خودکارسازی الگوهای تعریف گام با Behave Automating Step Definition Templates with Behave

• راه اندازی VS Code برای Behave (BDD) Setting Up VS Code for Behave (BDD)

• بهینه سازی تعاریف گام به صورت پویا Optimizing Step Definitions Dynamically

• نوشتن اولین تعاریف گام خود Writing Your First Step Definitions

• ساخت یک Context سفارشی – کد خود را با DRY ساده کنید Building a Custom Context – Simplify Your Code with DRY

• بهینه سازی گام ها با هوش مصنوعی - قسمت (1/2) Optimizing Steps with AI - Part (1/2)

• بهینه سازی گام ها با هوش مصنوعی - قسمت (2/2) Optimizing Steps with AI - Part (2/2)

• نهایی کردن اولین سناریوی خود - قسمت (1/3) Finalising our First Scenario - Part (1/3)

• نهایی کردن اولین سناریوی خود - قسمت (2/3) Finalising our First Scenario - Part (2/3)

• نهایی کردن اولین سناریوی خود - قسمت (3/3) Finalising our First Scenario - Part (3/3)

• نهایی کردن همه سناریوها و گام ها - قسمت (1/2) Finalising all Scenarios & Steps - Part (1/2)

• نهایی کردن همه سناریوها و گام ها - قسمت (2/2) Finalising all Scenarios & Steps - Part (2/2)

• معرفی طرح های کلی سناریو Introduction to Scenario Outlines

• اعمال طرح های کلی سناریو - قسمت (1/2) Applying Scenario Outlines - Part (1/2)

• اعمال طرح های کلی سناریو - قسمت (2/2) Applying Scenario Outlines - Part (2/2)

• معرفی کلمه کلیدی Background Introduction to the Background Keyword

• کلمه کلیدی Background – در عمل Background Keyword – In Action

• معرفی تگ ها Introduction to Tags

• تگ ها – در عمل Tags – In Action

• ایجاد یک Runner سفارشی Creating a Custom Runner

• تولید گزارش ها Generating Reports

• ضمیمه کردن تصاویر به گزارش ها Attaching Images to Reports

• خودکارسازی پاکسازی داده ها و بهینه سازی چارچوب Automating Data Clean-up and Framework Optimization

تست API مبتنی بر هوش مصنوعی با Behave و پایتون AI-Driven API Testing with Behave and Python

• API دقیقا چیست؟ What exactly is an API?

• تولید سناریوی تست API با هوش مصنوعی Generating API Test Scenario with AI

• پیاده سازی سناریوهای تست API در Behave Implementing API Test Scenarios in Behave

• تست پاسخ های API Testing API Responses

• بهینه سازی و بازسازی کد برای تست UI و API - قسمت (1/2) Optimizing and refactoring for UI & API testing - Part (1/2)

• بهینه سازی و بازسازی کد برای تست UI و API - قسمت (2/2) Optimizing and refactoring for UI & API testing - Part (2/2)

• آزمون دانش: تست API مبتنی بر هوش مصنوعی با Behave و پایتون Knowledge Check: AI-Driven API Testing with Behave and Python

ادغام Jenkins CI برای چارچوب اتوماسیون Jenkins CI Integration for Automation Framework

• مقدمه ای بر Jenkins (CI) Introduction to Jenkins (CI)

• راه اندازی Java JDK برای Jenkins Setting Up Java JDK for Jenkins

• دانلود و راه اندازی Jenkins Downloading and Setting Up Jenkins

• پیکربندی Jenkins برای اتوماسیون Configuring Jenkins for Automation

• بهینه سازی Job های Jenkins برای اتوماسیون تست Optimizing Jenkins Jobs for Test Automation

• اجرای تست ها با تگ های سفارشی در Jenkins Running Tests with Custom Tags in Jenkins

• تولید گزارش های Allure در Jenkins Generating Allure Reports in Jenkins

• آزمون دانش: ادغام Jenkins CI برای چارچوب اتوماسیون Knowledge Check: Jenkins CI Integration for Automation Framework

اخلاق و امنیت در تست هوش مصنوعی Ethics and Security in AI Testing

• استفاده اخلاقی از هوش مصنوعی در تست نرم افزار Ethical AI Usage in Software Testing

• حریم خصوصی داده ها و امنیت با OpenAI API Data Privacy and Security with OpenAI API