그래서 테스트하는 방식도 다릅니다. 여기서 그 이론을 배웁니다: 이 시스템이 실제로 어떻게 잘못되는지 - 잘못된 데이터가 들어가고, 운영에 들어간 뒤 행동이 조용히 흘러가는 것 - 그리고 그것을 어떻게 테스트하는지. 핵심은 지식입니다. ISTQB CT-AI 자격증은 보너스입니다: 제대로 익히면 벼락치기 없이 시험에 합격할 수 있고, 아예 건너뛰어도 됩니다 - 실력은 어느 쪽이든 당신 것입니다.
하루 15분, 그리고 문제는 일부러 점점 짓궂어집니다.
하나의 아이디어, 5분에서 15분, 점심을 먹으며 동료에게 설명하듯 풀어 줍니다. ML 학위는 전제하지 않습니다.
기억이 생생할 때 바로 이어서. 틀리면 "아니요, 다시 해보세요"가 아니라 왜 틀렸는지 알려 줍니다.
밤 11시에 당신 모델에게 "fairness"가 도대체 무슨 뜻인지 막혔나요? Telegram에서 Kai에게 물어보세요. 그는 어느 시간이든 답합니다.
대비해 연습할 수 있는 전체 모의고사가 있습니다. 실제 ISTQB 시험은 본인이 직접 예약합니다 - 종이는 당신이 실력을 갖췄다는 사실 위에 얹히는 멋진 보너스입니다.
열세 개의 모듈: 입문 하나, 공식 ISTQB CT-AI 실라버스를 따르는 열한 개, 그리고 최종 평가. 이런 시스템이 실제로 무엇이고 어디서 잘못되는지로 문을 열고, 그것을 어떻게 테스트하는지로 넘어갑니다. 하루 한 강의; 마지막의 모의고사는 실제 시간제한 조건에서 진행됩니다.
전체 실라버스 →덧붙인 챗봇이 아닙니다. 당신을 기억하고, 목소리로 답하고, 먼저 말을 거는 멘토입니다.
metamorphic testing을 3줄로 쉽게 설명해줘
정확한 정답을 늘 알 수는 없지만, 결과가 어떻게 바뀌어야 하는지는 압니다. 사진을 회전해도 좋은 image classifier는 여전히 "고양이"라고 해야 합니다. 라벨은 같고 입력만 새롭죠. 그렇지 않다면 "정답" 없이도 버그를 찾은 겁니다. 이건 Module 9에서 깊이 다룹니다.
저는 QA 리드이지 AI 연구자가 아닙니다. 누군가 저에게 "새로운 AI 그거"를 넘겼고, 그것을 어떻게 테스트할지 제가 알아내야 했습니다.
QA 12년, 2018년부터 ISTQB Foundation, 그리고 요즘은 약 스무 명의 다른 테스터들과 함께 일합니다. AI가 제 책상에 떨어졌을 때, 누군가 저에게 건네줬으면 싶었던 바로 그 강의를 직접 만들기 시작했습니다. 2년과 약 €35,000이 들었습니다.
이 강의는 이론 우선입니다: 이런 시스템이 실제로 무엇이고, fairness나 drift 같은 단어가 그것이 스스로 학습하기 시작하면 무엇을 뜻하게 되는지. CT-AI 자격은 그 위에 얹힙니다, 원할 때를 위해. AI standup에서 사람들이 멈춰 서서 당신 말을 진짜로 듣게 만드는 건 바로 이 이론입니다.