Nội dung khoá học ISTQB® AI Testing

Mục tiêu đạt được sau khoá này

Sau khi hoàn thành khoá học này, bạn có thể:

  • Hiểu được tình hình hiện tại và xu hướng phát triển ​​của AI
  • Trải nghiệm việc triển khai và thử nghiệm mô hình ML giúp nâng cao chất lượng của hệ thống
  • Hiểu được những thách thức liên quan đến việc thử nghiệm các hệ thống dựa trên AI
  • Góp phần đưa ra chiến lược thử nghiệm cho hệ thống dựa trên AI
  • Thiết kế và thực hiện các trường hợp thử nghiệm cho các hệ thống sử dụng AI
  • Hiểu được các yêu cầu đặc biệt liên quan đến cơ sở hạ tầng để kiểm thử các hệ thống sử dụng AI
  • Biết cách áp dụng AI vào quá trình kiểm thử phần mềm

Nội dung khoá học

Khoá học này được thiết kế chi tiết dựa vào đề cương ISTQB AI Testing. Ngoài kiến thức nền tảng cần đạt được, học viên sẽ được cung cấp nhiều ví dụ thực tế hữu ích. Giúp rút ngắn thời gian cần thiết để tiếp cận với các mô hình AI và áp dụng AI vào công việc kiểm thử hằng ngày. Bên cạnh đó, các bạn còn cung cấp Mock exams (đề thi mô phỏng) giúp tăng xác suất thi chứng chỉ quốc tế.

ISTQB AI Testing


Chương 1. Introduction to AI

  • 1.1 Definition of AI and AI Effect
  • 1.2 Narrow, General and Super AI
  • 1.3 AI-Based and Conventional Systems
  • 1.4 AI Technologies
  • 1.5 AI Development Frameworks
  • 1.6 Hardware for AI-Based Systems
  • 1.7 AI as a Service (AIaaS)
  • 1.8 Pre-Trained Models
  • 1.9 Standards, Regulations and AI

Chương 2. Quality Characteristics for AI-Based Systems

  • 2.1 Flexibility and Adaptability
  • 2.2 Autonomy
  • 2.3 Evolution
  • 2.4 Bias
  • 2.5 Ethics
  • 2.6 Side Effects and Reward Hacking
  • 2.7 Transparency, Interpretability and Explainability
  • 2.8 Safety and AI

Chương 3. Machine Learning (ML) – Overview

  • 3.1 Forms of ML
  • 3.2 ML Workflow
  • 3.3 Selecting a Form of ML
  • 3.4 Factors Involved in ML Algorithm Selection
  • 3.5 Overfitting and Underfitting

Chương 4. ML – Data

  • 4.1 Data Preparation as Part of the ML Workflow
  • 4.2 Training, Validation and Test Datasets in the ML Workflow
  • 4.3 Dataset Quality Issues
  • 4.4 Data Quality and its Effect on the ML Model
  • 4.5 Data Labelling for Supervised Learning

Chương 5. ML Functional Performance Metrics

  • 5.1 Confusion Matrix
  • 5.2 Additional ML Functional Performance Metrics for Classification, Regression and Clustering
  • 5.3 Limitations of ML Functional Performance Metrics
  • 5.4 Selecting ML Functional Performance Metrics
  • 5.5 Benchmark Suites for ML

Chương 6. ML – Neural Networks and Testing

  • 6.1 Neural Networks
  • 6.2 Coverage Measures for Neural Networks

Chương 7. Testing AI-Based Systems Overview

  • 7.1 Specification of AI-Based Systems
  • 7.2 Test Levels for AI-Based Systems
  • 7.3 Test Data for Testing AI-based Systems
  • 7.4 Testing for Automation Bias in AI-Based Systems
  • 7.5 Documenting an AI Component
  • 7.6 Testing for Concept Drift
  • 7.7 Selecting a Test Approach for an ML System

Chương 8. Testing AI-Specific Quality Characteristics

  • 8.1 Challenges Testing Self-Learning Systems
  • 8.2 Testing Autonomous AI-Based Systems
  • 8.3 Testing for Algorithmic, Sample and Inappropriate Bias
  • 8.4 Challenges Testing Probabilistic and Non-Deterministic AI-Based Systems
  • 8.5 Challenges Testing Complex AI-Based Systems
  • 8.6 Testing the Transparency, Interpretability and Explainability of AI-Based Systems
  • 8.7 Test Oracles for AI-Based Systems
  • 8.8 Test Objectives and Acceptance Criteria

Chương 9. Methods and Techniques for the Testing of AI-Based Systems

  • 9.1 Adversarial Attacks and Data Poisoning
  • 9.2 Pairwise Testing
  • 9.3 Back-to-Back Testing
  • 9.4 A/B Testing
  • 9.5 Metamorphic Testing (MT)
  • 9.6 Experience-Based Testing of AI-Based Systems
  • 9.7 Selecting Test Techniques for AI-Based Systems

Chương 10. Test Environments for AI-Based Systems

  • 10.1 Test Environments for AI-Based Systems
  • 10.2 Virtual Test Environments for Testing AI-Based Systems

Chương 11. Using AI for Testing

  • 11.1 AI Technologies for Testing
  • 11.2 Using AI to Analyze Reported Defects
  • 11.3 Using AI for Test Case Generation
  • 11.4 Using AI for the Optimization of Regression Test Suites
  • 11.5 Using AI for Defect Prediction
  • 11.6 Using AI for Testing User Interfaces

Cấu trúc đề thi ISTQB AI Testing

Cấu trúc đề thi chứng chỉ quốc tế ISTQB AI Testing như sau:

  • Số lượng câu hỏi: 40 câu
  • Điểm số: 47 điểm
  • Điểm tối thiểu: 31 điểm (để đạt kỳ thi chứng chỉ quốc tế)
  • Thời gian làm bài: 60 phút (Riêng người Việt nam sẽ được tăng thêm 15 phút)

Nguồn: Mời xem thêm đề cương gốc ở đây https://www.istqb.org/certifications/artificial-inteligence-tester