Pełny sylabus

Sześćdziesiąt trzy wykłady, od początku do końca.

Najpierw teoria. Zaczynasz od tego, czym naprawdę są te systemy i gdzie po cichu zawodzą, a potem przechodzisz do tego, jak to testować - jakość danych, drift, bias, adversarial inputs, oracles. Trzynaście modułów zgodnych z oficjalnym sylabusem ISTQB CT-AI v1, jeden wykład dziennie, na koniec próbny egzamin w warunkach czasowych. Certyfikat to bonus na wierzchu; sednem jest zrozumienie.

Zacznij kurs Wypróbuj 12 za darmo
63
Wykłady · 5-15 min każdy
13
Modułów · 8 tygodni
300+
Pytań praktycznych
12
Za darmo · bez karty
- Darmowa próbka

Pierwsze 12 wykładów jest za darmo, od początku do końca, bez karty i bez ściany rejestracji. To cały moduł Intro plus całość Modułu 1. Pozostałe 51 otwiera się, gdy dołączysz.

M-00
IntroZa darmo Powitanie, czym jest certyfikacja ISTQB CT-AI i jak ułożony jest kurs.
3 wykłady
  • 01Welcome to the course!Za darmo
  • 02About ISTQB Tester AI certificationZa darmo
  • 03About the courseZa darmo
M-01
Introduction to AI TestingZa darmo Podstawowe pojęcia: czym jest AI, rodzaje systemów AI, technologie i frameworki, które za nimi stoją, oraz standardy, które teraz obowiązują.
9 wykładów
  • 04Lecture 1: Definition of AI and AI EffectZa darmo
  • 05Lecture 2: Narrow, General and Super AIZa darmo
  • 06Lecture 3: AI-based and Conventional SystemsZa darmo
  • 07Lecture 4: AI TechnologiesZa darmo
  • 08Lecture 5: AI Development FrameworksZa darmo
  • 09Lecture 6: Hardware for AI-Based SystemsZa darmo
  • 10Lecture 7: AI as a Service (AIaaS)Za darmo
  • 11Lecture 8: Pre-Trained ModelsZa darmo
  • 12Lecture 9: Standards, Regulations, and AIZa darmo
M-02
Quality Characteristics for AI-Based Systems Atrybuty jakości specyficzne dla AI: adaptacyjność, autonomia, bias, etyka, transparentność i bezpieczeństwo.
8 wykładów
  • 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 Jak ML naprawdę działa pod maską: formy uczenia, przebieg pracy, dobór algorytmu i pułapka overfittingu.
5 wykładów
  • 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 Tam, gdzie większość modeli naprawdę zawodzi: przygotowanie danych, podziały train/validation/test, problemy z jakością i etykietowanie.
5 wykładów
  • 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 Jak czytać model uczciwie: confusion matrix, metryki dla klasyfikacji, regresji i klasteryzacji oraz to, gdzie te metryki cię okłamują.
5 wykładów
  • 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 Sieci neuronowe i miary pokrycia używane do ich testowania.
2 wykłady
  • 36Lecture 1: Neural NetworksQuiz
  • 37Lecture 2: Coverage Measures for Neural NetworksQuiz
M-07
Testing AI-Based Systems - Overview Przejście do praktyki: specyfikacja, poziomy testów, dane testowe, automation bias, dokumentowanie komponentu i concept drift.
7 wykładów
  • 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 Najtrudniejsza część: testowanie systemów samouczących się, autonomicznych i probabilistycznych, plus bias, explainability i problem oracle.
8 wykładów
  • 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 Zestaw narzędzi: adversarial attacks i data poisoning, pairwise, back-to-back, A/B, metamorphic oraz testowanie oparte na doświadczeniu.
7 wykładów
  • 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 Konfiguracja środowisk testowych i wirtualnych, których potrzebują te systemy.
1 wykład
  • 60Lectures 1: Test and Virtual Environments for AI-Based SystemsQuiz
M-11
Using AI for Testing Odwrócenie perspektywy: technologie AI, które pomagają ci testować, od analizy defektów po automatyzację interfejsów.
2 wykłady
  • 61Lecture 1: AI Technologies for TestingQuiz
  • 62Lectures 2: Using AI for Testing: From Defect Analysis to Interface AutomationQuiz
M-12
Final Assessment Kompleksowy próbny egzamin obejmujący cały materiał kursu, przeprowadzany w realnych warunkach czasowych.
1 wykład
  • 63Final Mock Exam - ISTQB CT-AI · 40 pytań · 65% do zaliczeniaEgzamin
§
Gotowe, gdy ty będziesz

Zacznij od pierwszych dwunastu.

Są za darmo, od początku do końca, bez karty. Jeśli sposób, w jaki to uczę, ci odpowiada, pozostałe 51 wykładów i pełny próbny egzamin dzieli od ciebie jedna płatność.

Zacznij kurs Wypróbuj 12 za darmo
14-dniowa gwarancja zwrotu pieniędzy · egzamin ISTQB rezerwujesz i opłacasz osobno, w ISTQB