전체 실라버스

예순세 개의 강의, 처음부터 끝까지.

이론 우선입니다. 이런 시스템이 실제로 무엇이고 어디서 조용히 잘못되는지로 시작해, 그것을 어떻게 테스트하는지로 넘어갑니다 - 데이터 품질, drift, bias, adversarial 입력, oracle. 공식 ISTQB CT-AI v1 개요를 따르는 열세 개의 모듈, 하루 한 강의, 마지막의 시간제한 모의고사로 마무리됩니다. 자격증은 그 위에 얹히는 보너스이고, 진짜 핵심은 이해입니다.

수강 시작하기 12개 강의 무료 체험
63
강의 · 각 5-15분
13
모듈 · 8주
300+
연습 문제
12
무료 · 카드 불필요
- 무료 맛보기

처음 12개 강의는 처음부터 끝까지 무료입니다, 카드도 가입 장벽도 없습니다. 그것은 입문 모듈 전체에 더해 모듈 1 전부입니다. 나머지 51개는 수강에 합류하면 열립니다.

M-00
Introduction무료 환영 인사, ISTQB CT-AI 자격이 무엇인지, 그리고 강의가 어떻게 구성되어 있는지.
강의 3개
  • 01Welcome to the course!무료
  • 02About ISTQB Tester AI certification무료
  • 03About the course무료
M-01
Introduction to AI Testing무료 기초 개념: AI가 무엇인지, AI 시스템의 종류, 그 뒤에 있는 기술과 프레임워크, 그리고 이제 적용되는 표준들.
강의 9개
  • 04Lecture 1: Definition of AI and AI Effect무료
  • 05Lecture 2: Narrow, General and Super AI무료
  • 06Lecture 3: AI-based and Conventional Systems무료
  • 07Lecture 4: AI Technologies무료
  • 08Lecture 5: AI Development Frameworks무료
  • 09Lecture 6: Hardware for AI-Based Systems무료
  • 10Lecture 7: AI as a Service (AIaaS)무료
  • 11Lecture 8: Pre-Trained Models무료
  • 12Lecture 9: Standards, Regulations, and AI무료
M-02
Quality Characteristics for AI-Based Systems AI에 특화된 품질 속성: 적응성, 자율성, bias, 윤리, 투명성, 그리고 안전성.
강의 8개
  • 13Lecture 1: Flexibility and AdaptabilityQuiz
  • 14Lecture 2: AutonomyQuiz
  • 15Lesson 3: EvolutionQuiz
  • 16Lecture 4: BiasQuiz
  • 17Lecture 5: EthicsQuiz
  • 18Lecture 6: Side Effects and Reward HackingQuiz
  • 19Lecture 7: Transparency, Interpretability and ExplainabilityQuiz
  • 20Lecture 8: Safety and AIQuiz
M-03
Machine Learning (ML) - Overview ML이 실제로 내부에서 어떻게 작동하는지: 학습의 형태, 워크플로우, 알고리즘 선택, 그리고 overfitting 함정.
강의 5개
  • 21Lecture 1: Forms of MLQuiz
  • 22Lecture 2: ML WorkflowQuiz
  • 23Lecture 3: Selecting a Form of MLQuiz
  • 24Lecture 4: Factors Involved in ML Algorithm SelectionQuiz
  • 25Lecture 5: Overfitting and UnderfittingQuiz
M-04
ML - Data 대부분의 모델이 진짜로 잘못되는 지점: 데이터 준비, train/validation/test 분할, 품질 문제, 그리고 라벨링.
강의 5개
  • 26Lecture 1: Data Preparation as Part of the ML WorkflowQuiz
  • 27Lecture 2: Training, Validation and Test Datasets in the ML WorkflowQuiz
  • 28Lecture 3: Dataset Quality IssuesQuiz
  • 29Lecture 4: Data Quality and its Effect on the ML ModelQuiz
  • 30Lecture 5: Data Labeling for Supervised LearningQuiz
M-05
ML Functional Performance Metrics 모델을 정직하게 읽기: confusion matrix, 분류와 회귀와 클러스터링을 위한 지표, 그리고 그 지표들이 당신을 속이는 지점.
강의 5개
  • 31Lecture 1: Confusion MatrixQuiz
  • 32Lecture 2: Add ML Functional Performance Metrics for Classification, Regression and ClusteringQuiz
  • 33Lecture 3: Limitations of ML Functional Performance MetricsQuiz
  • 34Lecture 4: Selecting ML Functional Performance MetricsQuiz
  • 35Lecture 5: Benchmark Suites for ML PerformanceQuiz
M-06
ML Neural Networks and Testing neural network와 그것을 테스트하는 데 쓰이는 커버리지 측정.
강의 2개
  • 36Lecture 1: Neural NetworksQuiz
  • 37Lecture 2: Coverage Measures for Neural NetworksQuiz
M-07
Testing AI-Based Systems - Overview 실전 적용: 명세, 테스트 레벨, 테스트 데이터, automation bias, 컴포넌트 문서화, 그리고 concept drift.
강의 7개
  • 38Lecture 1: Specification of AI-Based SystemsQuiz
  • 39Lecture 2: Test Levels for AI-Based SystemsQuiz
  • 40Lecture 3: Test Data for Testing AI-Based SystemsQuiz
  • 41Lecture 4: Testing for Automation Bias in AI-Based SystemsQuiz
  • 42Lecture 5: Documenting an AI ComponentQuiz
  • 43Lecture 6: Testing for Concept DriftQuiz
  • 44Lecture 7: Selecting a Test Approach for an ML SystemQuiz
M-08
Testing AI-Specific Quality Characteristics 가장 어려운 부분: 자가학습하고 자율적이며 확률적인 시스템을 테스트하기, 더해서 bias, explainability, 그리고 oracle 문제.
강의 8개
  • 45Lecture 1: Challenges Testing Self-Learning SystemsQuiz
  • 46Lecture 2: Testing Autonomous Self-Learning SystemsQuiz
  • 47Lecture 3: Testing for Algorithmic, Sample and Inappropriate BiasQuiz
  • 48Lecture 4: Challenges Testing Probabilistic and Non-Deterministic AI-Based SystemsQuiz
  • 49Lecture 5: Challenges Testing Complex AI-Based SystemsQuiz
  • 50Lecture 6: Testing Transparency, Interpretability and Explainability of AI-Based SystemsQuiz
  • 51Lecture 7: Test Oracles for AI-Based SystemsQuiz
  • 52Lecture 8: Test Objectives and Acceptance CriteriaQuiz
M-09
Methods and Techniques for the Testing of AI-Based Systems 도구 상자: adversarial 공격과 data poisoning, pairwise, back-to-back, A/B, metamorphic, 그리고 경험 기반 테스팅.
강의 7개
  • 53Lecture 1: Adversarial Attacks and Data PoisoningQuiz
  • 54Lecture 2: Pairwise TestingQuiz
  • 55Lecture 3: Back-to-Back TestingQuiz
  • 56Lecture 4: A/B TestingQuiz
  • 57Lecture 5: Metamorphic Testing (MT)Quiz
  • 58Lecture 6: Experience-Based Testing of AI-Based SystemsQuiz
  • 59Lecture 7: Selecting Test Techniques for AI-Based SystemQuiz
M-10
Test Environments for AI-Based Systems 이런 시스템에 필요한 테스트 환경과 가상 환경을 구축하기.
강의 1개
  • 60Lectures 1: Test and Virtual Environments for AI-Based SystemsQuiz
M-11
Using AI for Testing 방향을 뒤집어: 결함 분석부터 인터페이스 자동화까지, 당신이 테스트하도록 돕는 AI 기술들.
강의 2개
  • 61Lecture 1: AI Technologies for TestingQuiz
  • 62Lectures 2: Using AI for Testing: From Defect Analysis to Interface AutomationQuiz
M-12
Final Assessment 모든 강의 내용을 다루는 종합 모의고사, 실제 시간제한 조건에서 진행됩니다.
강의 1개
  • 63Final Mock Exam - ISTQB CT-AI · 40문항 · 합격 65%Exam
§
준비되면 언제든

처음 열두 개로 시작하세요.

그것은 처음부터 끝까지 무료, 카드도 필요 없습니다. 가르치는 방식이 당신에게 맞는다면, 나머지 51개 강의와 전체 모의고사는 한 번의 결제로 열립니다.

수강 시작하기 12개 강의 무료 체험
14일 환불 보장 · ISTQB 시험은 ISTQB에서 별도로 예약 + 결제합니다