ISTQB® AI Testing

ISTQB® Certified Tester AI Testing (CT-AI)

A certificação ISTQB Certified Tester AI Testing é uma continuação da certificação ISTQB Certified Tester: Foundation Level e é valiosa para uma vasta gama de profissionais envolvidos no desenvolvimento, teste e gestão de sistemas baseados em IA, com um foco significativo no Machine Learning. Esta certificação ajuda os profissionais a manterem-se atualizados com as metodologias de teste de IA mais recentes, a melhorar as suas competências e a ampliar as suas oportunidades de carreira no campo da IA, que está em rápida evolução.

Descrição

O curso ISTQB® Certified Tester AI Testing acreditado pelo ISTQB®, tem uma duração de 4 dias e visa a preparação para o exame de certificação.

Este curso oferece formação completa para a certificação ISTQB Certified Tester AI Testing. Abrange conceitos fundamentais de IA, com um foco significativo em Machine Learning, além de características de qualidade específicas para sistemas baseados em IA e diversas técnicas e métodos de teste aplicáveis a estes sistemas.

O conteúdo do curso inclui explicações detalhadas, exercícios práticos e atividades práticas para cada tema abordado no programa.

Objetivos

No final desta ação de formação, os formandos terão a capacidade de:

Compreender os conceitos fundamentais de IA e Machine Learning.
Identificar e explicar as características de qualidade específicas dos sistemas baseados em IA.
Aplicar diversas técnicas e métodos de teste a sistemas baseados em IA.
Avaliar e melhorar o desempenho dos modelos de IA.
Abordar os desafios nos testes de sistemas baseados em IA, incluindo o enviesamento, a transparência e a explicabilidade.

Conteúdo Programático

O presente curso de quatro dias segue o syllabus ISTQB® Certified Tester - AI Testing e abrange o seguinte:

Introduction to AI

Definition of AI and AI Effect
Narrow, General, and Super AI
AI-Based and Conventional Systems
AI Technologies
AI Development Frameworks
Hardware for AI-Based Systems
AI as a Service (AIaaS)
Pre-Trained Models
Standards, Regulations, and AI

Quality Characteristics for AI-Based Systems

Flexibility and Adaptability
Autonomy
Evolution
Bias
Ethics
Side Effects and Reward Hacking
Transparency, Interpretability, and Explainability
Safety and AI

Machine Learning (ML) Overview

Forms of ML
ML Workflow
Selecting a Form of ML
Factors Involved in ML Algorithm Selection
Overfitting and Underfitting

ML Data

Data Preparation as Part of the ML Workflow
Training, Validation, and Test Datasets in the ML Workflow
Dataset Quality Issues
Data Quality and its Effect on the ML Model
Data Labelling for Supervised Learning

ML Functional Performance Metrics

Confusion Matrix
Additional ML Functional Performance Metrics for Classification, Regression, and Clustering
Limitations of ML Functional Performance Metrics
Selecting ML Functional Performance Metrics
Benchmark Suites for ML

ML Neural Networks and Testing

Neural Networks
Coverage Measures for Neural Networks

Testing AI-Based Systems Overview

Specification of AI-Based Systems
Test Levels for AI-Based Systems
Test Data for Testing AI-Based Systems
Testing for Automation Bias in AI-Based Systems
Documenting an AI Component
Testing for Concept Drift
Selecting a Test Approach for an ML System

Testing AI-Specific Quality Characteristics

Challenges Testing Self-Learning Systems
Testing Autonomous AI-Based Systems
Testing for Algorithmic, Sample, and Inappropriate Bias
Challenges Testing Probabilistic and Non-Deterministic AI-Based Systems
Challenges Testing Complex AI-Based Systems
Testing the Transparency, Interpretability, and Explainability of AI-Based Systems
Test Oracles for AI-Based Systems
Test Objectives and Acceptance Criteria

Methods and Techniques for the Testing of AI-Based Systems

Adversarial Attacks and Data Poisoning
Pairwise Testing
Back-to-Back Testing
A/B Testing
Metamorphic Testing
Experience-Based Testing of AI-Based Systems
Selecting Test Techniques for AI-Based Systems

Test Environments for AI-Based Systems

Test Environments for AI-Based Systems
Virtual Test Environments for Testing AI-Based Systems

Using AI for Testing

AI Technologies for Testing
Using AI to Analyse Reported Defects
Using AI for Test Case Generation
Using AI for the Optimization of Regression Test Suites
Using AI for Defect Prediction

Pré-requisitos

Os formandos deverão ter a certificação ISTQB® Foundation Level (ou equivalente) e experiência significativa de testes de software.
Domínio da língua inglesa uma vez que os materiais oficiais de suporte a esta ação de formação são disponibilizados neste idioma.
Para participar eficazmente nos exercícios técnicos, os participantes devem configurar os seus ambientes com antecedência no Google Colab ou numa plataforma semelhante, uma vez que isso irá melhorar a experiência de aprendizagem e fornecer as ferramentas necessárias para a realização eficaz dos exercícios práticos.

Formações relacionadas

O ISTQB oferece uma série de cursos complementares para potenciar a carreira do tester:

ISTQB® Certified Tester, Advanced Level - Test Analyst
ISTQB® Certified Tester, Advanced Level - Test Manager
ISTQB® Certified Tester, Advanced Level - Technical Test Analyst
ISTQB® Certified Tester, Advanced Level - Test Automation Engineer
ISTQB® Certified Tester - Testing with Generative AI

Destinatários

Testers, Test analysts, Data analysts, Test engineers, Test consultants, Test managers, User acceptance testers, Software developers e qualquer profissional envolvido em testes de sistemas baseados em IA e em IA aplicada aos testes que pretenda fazer o exame ISTQB® Certified Tester AI Testing.

Este curso é também apropriado aos profissionais que pretendem ter um entendimento de testes de sistemas baseados em IA e em IA aplicada aos testes, como Project managers, Quality managers, Software development managers, Business analysts, Operations team members, IT directors e Management consultants.

Certificação

Oferta de um exame de certificação.

Oferta válida até 3 meses após a conclusão da ação de formação.

Contacte-nos para formar a sua equipa

Quer melhorar as competências da sua equipa?