Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en las Pruebas de Software
- Descripción general de las capacidades de IA en pruebas y QA.
- Tipos de herramientas de IA utilizadas en flujos de trabajo modernos de pruebas.
- Ventajas y riesgos de la ingeniería de calidad impulsada por IA.
Uso de LLM para la Generación de Casos de Prueba
- Ingeniería de instrucciones (prompt engineering) para generar pruebas unitarias y funcionales.
- Creación de plantillas de pruebas parametrizadas y basadas en datos.
- Conversión de historias de usuario y requisitos en scripts de prueba.
IA en Pruebas Exploratorias y de Casos Extremos
- Identificación de ramas o condiciones no probadas utilizando IA.
- Simulación de escenarios de uso raros o anómalos.
- Estrategias de generación de pruebas basadas en el riesgo.
Pruebas Automatizadas de UI y de Regresión
- Uso de herramientas de IA como Testim o mabl para la creación de pruebas de interfaz de usuario.
- Mantenimiento de pruebas de UI estables mediante selectores autorreparables.
- Análisis del impacto de la regresión basado en IA tras los cambios de código.
Análisis de Fallos y Optimización de Pruebas
- Agrupación de fallos de prueba utilizando modelos LLM o de aprendizaje automático (ML).
- Reducción de pruebas inestables (flaky tests) y fatiga por alertas.
- Priorización de la ejecución de pruebas basada en conocimientos históricos.
Integración en el Pipeline CI/CD
- Incorporación de la generación de pruebas con IA en Jenkins, GitHub Actions o GitLab CI.
- Validación de la calidad de las pruebas durante las solicitudes de incorporación de cambios (pull requests).
- Retrocesos automatizados y control inteligente de pruebas en los pipelines.
Tendencias Futuras y Uso Responsable de la IA en QA
- Evaluación de la precisión y seguridad de las pruebas generadas por IA.
- Gobernanza y trazabilidad para procesos de prueba mejorados con IA.
- Tendencias en plataformas de IA-QA y observabilidad inteligente.
Resumen y Próximos Pasos
Requerimientos
- Experiencia en pruebas de software, planificación de pruebas o automatización de QA.
- Conocimiento de frameworks de prueba como JUnit, PyTest o Selenium.
- Comprensión básica de los pipelines CI/CD y entornos DevOps.
Público Objetivo
- Ingenieros de QA (Aseguramiento de Calidad).
- Ingenieros de Desarrollo en Pruebas (SDET).
- Probadores de software que trabajan en entornos ágiles o DevOps.
14 Horas
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática