Khoá học ISTQB Generative AI • TESTING VN

Dưới đây là thiết kế nội dung khóa học ISTQB Testing with Generative AI (Kiểm thử với Trí tuệ nhân tạo tạo sinh) dựa trên tài liệu chuẩn của ISTQB:

1. Lý do tham gia khoá học ISTQB GenAI

Khóa học này cung cấp các kỹ năng thiết thực để tích hợp AI vào quá trình kiểm thử phần mềm, giúp bạn:

Nắm vững các khái niệm nền tảng, khả năng và giới hạn của AI tạo sinh (GenAI) trong bối cảnh kiểm thử phần mềm.
Phát triển kỹ năng thực hành kỹ thuật đặt câu lệnh (prompt engineering) chuyên biệt cho các tác vụ kiểm thử trên các mô hình ngôn ngữ lớn (LLM).
Nhận diện và giảm thiểu rủi ro liên quan đến ảo giác (hallucinations), lỗi suy luận, thiên kiến, cũng như các vấn đề về bảo mật và quyền riêng tư dữ liệu.
Khám phá các giải pháp hạ tầng kiểm thử hiện đại như RAG (Retrieval-Augmented Generation) và các tác nhân AI (AI agents) tự hành.
Xây dựng chiến lược và lộ trình để triển khai GenAI hiệu quả trong tổ chức kiểm thử.

2. Đối tượng tham gia khoá học ISTQB GenAI này

Khóa học được thiết kế phù hợp cho nhiều vai trò khác nhau trong dự án phần mềm:

Nhóm chuyên môn kiểm thử: Kiểm thử viên (testers), chuyên viên phân tích kiểm thử (test analysts), kỹ sư kiểm thử tự động (test automation engineers), quản lý kiểm thử (test managers) và kiểm thử viên chấp nhận người dùng (UAT).
Nhóm phát triển và quản lý: Lập trình viên, quản lý dự án (Project Managers), quản lý chất lượng, giám đốc CNTT và các tư vấn viên quản lý.
Yêu cầu tiên quyết: Học viên cần sở hữu chứng chỉ ISTQB® Foundation Level trước khi tham gia kỳ thi chứng chỉ này.

3. Nội dung khoá học ISTQB GenAI

Nội dung được chia thành 5 chương chính với tổng thời lượng giảng dạy 24 giờ (16 buổi x 1,5 giờ/buổi). Trong khoá học, bạn sẽ được thực hành trên một số Generative AI phổ biến như ChatGPT, Google Gemini, NotebookLLM:

Chương 1: Giới thiệu về GenAI cho kiểm thử phần mềm
- Nền tảng của GenAI: Phân biệt giữa AI tượng trưng, Machine Learning, Deep Learning và GenAI.
- Cơ bản về LLM: Tokenization, Embeddings, cửa sổ ngữ cảnh (context window) và mô hình đa phương thức (multimodal).
- Các nguyên tắc cốt lõi khi ứng dụng GenAI vào các tác vụ kiểm thử.
Chương 2: Kỹ thuật Prompt Engineering hiệu quả
- Cấu trúc của một câu lệnh (prompt) chuẩn: Vai trò, Ngữ cảnh, Chỉ thị, Dữ liệu đầu vào, Ràng buộc và Định dạng đầu ra.
- Các kỹ thuật nâng cao: Prompt chaining (chuỗi câu lệnh), Few-shot prompting (kèm ví dụ) và Meta prompting.
- Ứng dụng vào phân tích, thiết kế, triển khai kiểm thử và kiểm thử hồi quy tự động.
Chương 3: Quản lý rủi ro của GenAI trong kiểm thử
- Xử lý ảo giác, lỗi suy luận và thiên kiến trong kết quả của AI.
- An toàn dữ liệu và quyền riêng tư: Các kịch bản tấn công (như trích xuất dữ liệu, thao túng yêu cầu) và chiến lược giảm thiểu.
- Tác động môi trường (tiêu thụ năng lượng) và các quy định pháp lý (như EU AI Act).
Chương 4: Hạ tầng kiểm thử dựa trên LLM
- Kiến trúc hệ thống: Thành phần front-end, back-end và tích hợp LLM.
- Kỹ thuật RAG (Retrieval-Augmented Generation) để truy xuất dữ liệu doanh nghiệp thời gian thực.
- Vai trò của các AI Agents (tác nhân tự hành) trong việc tự động hóa các quy trình kiểm thử lặp lại.
- Tinh chỉnh mô hình (Fine-tuning) và vận hành mô hình ngôn ngữ lớn (LLMOps).
Chương 5: Triển khai và tích hợp vào tổ chức
- Lộ trình 3 giai đoạn: Khám phá, Khởi tạo và Sử dụng thực tế.
- Quản lý rủi ro Shadow AI (sử dụng AI không chính thống).
- Quản lý thay đổi: Phát triển kỹ năng mới cho đội ngũ và sự chuyển dịch vai trò của kiểm thử viên trong kỷ nguyên AI.