Улучшаемые навыки
Искусственный интеллект
Генеративный ИИ
Машинное обучение
Автоматизация тестирования
Автотесты
Промпт-инжиниринг
Нейросети
Обработка данных
CI/CD
Тестирование производительности
Чему вы научитесь
01
Формулировать эффективные запросы (промпты) для разных моделей ИИ
02
Применять генеративный ИИ для создания и исправления автотестов
03
Настраивать и дообучать готовые нейросетевые модели
04
Интегрировать ИИ-инструменты в существующие CI/CD-пайплайны
05
Анализировать результаты самовосстанавливающихся тестов
06
Оптимизировать процесс тестирования с помощью автоматических сценариев
Программа курса
01
Введение в промптинг для тестировщика
Что такое генеративный ИИ и большие языковые модели (LLM).
Как работают большие языковые модели (LLM) (на пальцах): трансформеры, обучение, контекст.
Обзор популярных моделей: ChatGPT, Gemini, Claude, YandexGPT, Qwen — их особенности для QA.
Этические аспекты, ограничения, галлюцинации.
Практика:
Знакомство с интерфейсами больших языковых моделей (LLM).
Первые промпты: простые запросы.
Сравнение ответов разных моделей.
Анализ точности и полезности ответов.
02
Промптинг для документации и отчетности
Генерация чек-листов, тест-кейсов, сценариев.
Создание входной и выходной документации.
Автоматическое формирование отчетов по результатам тестирования.
Практика:
Написание промптов для генерации чек-листов.
Создание тест-кейсов из требований.
Автоматическое формирование отчета по багам.
Адаптация промптов под разные модели.
03
Поддержка ручного тестирования и баг-репортов
Генерация тест-данных.
Симуляция пользовательского поведения.
Формулировка и оформление баг-репортов.
Уточнение шагов воспроизведения.
Практика:
Генерация набора тестовых данных.
Получение идей для нестандартного тестирования.
Оформление и улучшение баг-репортов.
Переписывание непонятных описаний.
04
Автоматизация и технические задачи
Генерация автотестов (Selenium, Playwright и др.).
Помощь в написании SQL-запросов, API-запросов.
Работа с шаблонами и примерами (few-shot prompting).
Цепочка рассуждений (Chain-of-Thought).
Практика:
Написание простых автотестов с помощью ИИ.
Генерация API-запросов по спецификации.
Проверка и оптимизация SQL-запросов.
Создание шаблонов для повторяющихся задач.
05
Тестирование UI/UX и интерфейсов
Проверка соответствия стандартам UX/UI.
Поиск типичных ошибок дизайна.
Генерация идей для улучшения юзабилити.
Практика:
Использование ИИ для проверки доступности и удобства.
Анализ скриншотов (при наличии multimodal-моделей).
Генерация предложений по улучшению интерфейса.
06
Анализ кода и тестов с помощью ИИ
Промпты для анализа логики кода.
Выявление уязвимостей и антипаттернов.
Проверка соответствия требованиям.
Обнаружение дублирования и проблем в тестах.
Практика:
Анализ фрагментов кода на безопасность и качество.
Проверка тест-сценариев на наличие антипаттернов.
Декомпозиция требований на user stories.
Оценка и доработка сгенерированных тестов.
07
Интеграция промптов в процесс QA
Встраивание ИИ в ежедневную работу тестировщика.
База промптов для разных задач.
Шаблоны и менеджеры промптов.
Внедрение в команду: обучение, внедрение, мотивация.
Практика:
Разработка персонального набора полезных промптов.
Работа с системами управления задачами через ИИ.
Обсуждение: как внедрить промпты в работу команды.
Мозговой штурм: идеи автоматизации и оптимизации.
08
Финальный проект и обмен опытом
Реальные кейсы использования промптинга в QA.
Лучшие практики и распространенные ошибки.
Критическое мышление при работе с ИИ.
Практика:
Финальное задание:
Создать комплексный набор тест-кейсов.
Сгенерировать отчет по багам.
Проверить качество тестов и кода.
Обсуждение решений, обмен опытом.
Демонстрация полученных результатов.
09
Итого на курс 16 ак. ч.: теория — 7,5 ак. ч. (47%), практика — 8,5 ак. ч. (53%)
Для кого
Тестировщик
Тест-менеджер
DevOps-инженер
Предварительная подготовка
Базовые знания тестирования (ручного или автоматизированного)
Расписание курсов
Курс проводят
