Nueva

Fundamentos del Testing de Inteligencia artificial

Este curso introductorio a la Inteligencia Artificial (IA), le da una amplia visión de los métodos de IA utilizados para probar soluciones basadas en IA y cómo las soluciones basadas en IA se pueden utilizar para probar otros sistemas de TI.

Objetivo del curso

Este curso fundamental de IA, Inteligencia Artificial, le proporciona una amplia visión de los métodos de IA utilizados para probar soluciones basadas en IA y cómo las soluciones basadas en IA pueden utilizarse para probar otros sistemas de TI. Además, obtendrá los siguientes resultados

  • Comprender el estado actual y las tendencias previstas de la IA
  • Experimentar la implementación y prueba de un modelo ML y reconocer dónde los probadores pueden influir mejor en su calidad
  • Comprender los retos asociados a las pruebas de sistemas basados en IA, como sus capacidades de autoaprendizaje, sesgo, ética, complejidad, no determinismo, transparencia y explicabilidad.
  • Contribuir a la estrategia de pruebas de un sistema basado en IA
  • Diseñar y ejecutar casos de prueba para sistemas basados en IA
  • Reconocer los requisitos especiales de la infraestructura de pruebas para apoyar las pruebas de sistemas basados en IA
    Comprender cómo se puede utilizar la IA para apoyar las pruebas de software

Destinatarios

El curso está dirigido a personas que buscan ampliar su comprensión de la inteligencia artificial y / o aprendizaje profundo (máquina), más específicamente la prueba de sistemas basados en IA y el uso de IA para probar. Pueden ser los siguientes perfiles

  • Probadores e ingenieros de control de calidad
  • Directores de pruebas
  • Científicos de datos
  • Desarrolladores
  • Jefes de proyecto / Scrum Masters / Product Owners

Requisitos previos
No hay requisitos previos oficiales para asistir al curso, pero es una buena idea tener conocimientos básicos y la comprensión de las siguientes áreas:

  • Lenguaje de programación – Java/Python/R
  • Estadística
  • Experiencia en desarrollo y pruebas de software

Formato del curso

El curso contiene un repaso teórico, ejercicios prácticos y debate. Habrá un alto grado de implicación de los participantes.

In-House training?

si son más de 5 personas de la misma organización, puede ser beneficioso considerar el curso como formación interna. Impartimos el curso exclusivamente para sus empleados, ya sea de forma estándar como se describe o adaptado a sus necesidades.

Ventajas de la formación interna

  • Ahorro económico para más de 5 personas
  • Intercambio intensivo de experiencias y conocimientos
  • Los empleados adquieren una comprensión común del tema
  • Oportunidad de personalización única basada en sus propios métodos y procesos

Póngase en contacto con nosotros
Póngase en contacto con nosotros para obtener más información sobre cómo podemos personalizar un programa específico para su empresa.

Pago y subvenciones

El pago puede dividirse en hasta 6 cuotas para particulares.

Si lo desea, indíquelo como comentario durante el proceso de pago.

Las empresas pueden recibir subvenciones a través de la organización FUNDAE (como enlace: https://www.fundae.es).

Si lo desea, póngase en contacto con la organización.

Fundamentos del Testing de Inteligencia artificial

Fundamentos del Testing de Inteligencia artificial

¿Preguntas o formación interna?

Si son más de 5 personas o simplemente necesitan ayuda, pónganse en contacto con nosotros en info@triforkqi.com.

Contacto

Course content

1. Introduction to AI

  • Definition of AI and AI Effect
  • Narrow, General and Super AI
  • AI-Based and Conventional Systems
  • AI Technologies
  • AI Development Frameworks
  • Hardware for AI-Based Systems

2. Machine Learning (ML) – Overview

  • Forms of ML
  • ML Workflow
  • Selecting a Form of ML

3. ML – Data

  • Data Preparation as Part of the ML Workflow
  • Training, Validation and Test Datasets in the ML Workflow
  • Dataset Quality Issues

4. ML Functional Performance Metrics

  • Confusion Matrix – hands-on exercise

5. ML – Neural Networks and Testing

  • Neural Networks
  • Coverage Measures for Neural Networks

6. Testing AI-Specific Quality Characteristics

  • Challenges Testing Complex AI-Based Systems
  • Testing the Transparency, Interpretability and Explainability of AI-Based Systems
  • Test Oracles for AI-Based Systems
  • Testing for Concept Drift
  • Selecting a Test Approach for an ML System
  • Test Objectives and Acceptance Criteria
  • Back-to-Back Testing
  • A/B Testing
  • Hands-On Exercise: Metamorphic Testing
  • Experience-Based Testing of AI-Based Systems

7. Using AI for Testing

  • Using AI for Defect Prediction
  • Using AI for Testing User Interfaces

INTRODUCCIÓN

Conoce a nuestros entrenadores

Viepul Kocher

Viepul Kocher es un ex ingeniero de Adobe y ex alumno del IIT con 25 años de experiencia en la industria de pruebas y desarrollo de software. Además de ser el creador de ISTQB Certified AI Testing y una antigua certificación en pruebas de IA, Viepul también es presidente de Indian Testing – ISTQB Board, coordinador del foro STeP-IN y coordinador nacional de Indica Academy.