Formation ISTQB AI Testing, avec certification (CT-AI).
Score de satisfaction : 4.68/5
Durée :
4 jours
Distanciel et 16 villes en France
numero vert : 0805 950 800 (service et appel gratuits)
à partir de
2400 €HT

Référence :
SF34277
Durée :
4 jours

Vous souhaitez une session sur-mesure (intra) ?
Ce stage comprend
 28 heures de formation
Support de cours numérique
Pauses et snacks à volonté
Prise en charge OPCO possible
Disponible à distance

Formation ISTQB AI Testing, avec certification (CT-AI).

Devenez testeur certifié Intelligence Artificielle grâce à notre formation de 4 jours !

Cette formation certifiante ISTQB IA Testing s'adresse à toute personne impliquée dans le test de systèmes basés sur l'IA et/ou l'Intelligence Artificielle pour les tests. A l'issue de la formation, les apprenants sont en mesure d'expliquer les tendances de l'IA relatives au test logiciel et ont développé des compétences en matière de tests de modèles ML. Ils seront en mesure de concevoir et exécuter des scénarios de test spécifiques à l'IA.

Objectifs pédagogiques.

1Comprendre l'état actuel et les tendances à venir de l'IA relatives au test logiciel

2Expérimenter la mise en œuvre et le test d'un modèle de ML et identifier où les testeurs peuvent le mieux influencer sa qualité

3Comprendre les défis associés aux tests des systèmes basés sur l'IA

4Contribuer à la stratégie de test d'un système basé sur l'IA

5Concevoir et exécuter des cas de test pour les systèmes basés sur l'IA

6Reconnaître les exigences particulières de l'infrastructure de test pour soutenir le test des systèmes basés sur l'IA

7Comprendre comment l'IA peut être utilisée pour soutenir les tests de logiciels

Public :
Prérequis : Être titulaire de la certification ISTQB Foundation.
Partagez cette formation

Programme de formation ISTQB AI Testing, avec certification (CT-AI).

Introduction à l’IA

Définition de l’IA et effet
Etroite, générale et super intelligence
Systèmes basés sur l’IA et systèmes conventionnels
Technologies d’intelligence artificielle
Frameworks de développement IA
Le matériel (hardware) pour les systèmes basés sur l’IA
AI as a Service (AIaaS)
Modèles pré-entraînés
Standards et régulation de l’IA

Caractéristiques qualité des systèmes basés sur l’IA

Flexibilité et adaptabilité
Autonomie
Evolution
Biais
Ethique
Effets de bord et reward hacking
Transparence, interprétations et explicabilité
Sécurité et IA

Machine Learning (ML) – Vue d’ensemble

Les différentes formes de Machine Learning : supervisé, non-supervisé et renforcement
Workflow ML
Sélection d’une forme de ML
Les facteurs impliqués dans la sélection d’un algorithme
Overfittnig et underfitting

Machine Learning (ML) – Data

Préparation des données : défis et exercices
Entraînement, validation et ensembles de données pour le test
Problèmes de qualité des données
La qualité des données et ses effets sur le modèle de machine learning
Data Labelling pour l’apprentissage supervisé

Mesures de la performance fonctionnelle du Machine Learning

Matrice de confusion
Métriques pour la classification, régression et le clustering
Limites des métriques de performance
Sélection des métriques

Machine Learning – Réseaux de neurones et Test

Les réseaux de neurones
Mesures de coverage pour les réseaux neuronaux

Vue d’ensemble des systèmes de test basés sur l’IA

Spécification de systèmes basés sur l’IA
Niveaux de tests : input, modèle ML, composant…
Données de test
Test des biais d’automatisation dans les systèmes basés sur l’IA
Documenter un composant IA
Tester pour le Concept Drift
Sélectionner une approche de test pour un système ML

Test des caractéristiques de qualité propres à l’IA

Les défis du test des systèmes d’auto-apprentissage
Tester des systèmes autonomes basés sur l’IA
Vérification des biais algorithmiques, d’échantillonnage et inappropriés
Défis liés aux tests des systèmes probabilistes et non déterministes basés sur l’IA
Défis liés aux tests de systèmes complexes basés sur l’IA
Tester la transparence, l’interprétabilité et l’explicabilité des systèmes basés sur l’IA
Oracles de test pour les systèmes basés sur l’IA
Objectifs de test et critères d’acceptation

Méthodes et techniques pour le test des systèmes basés sur l’IA

Attaques et Data Poisoning
Pairwise Testing
Tests Back-to-Back
A/B Testing
Metamorphic Testing (MT)
Tests basés sur l’expérience
Sélectionner des techniques de test

Environnements de test

Environnements de test pour les systèmes basés sur l’IA
Environnements de test virtuels

Utiliser l’IA pour le test

Technologies IA pour le test
Utiliser l’IA pour analyser des rapports de bugs
Utiliser l’IA pour l’optimisation des tests de régression
Utiliser l’IA pour la prédiction de bugs
Utiliser l’IA pour le test d’interfaces utilisateurs

Notre charte qualité et éthique.

A travers sa Charte Engagement Qualité, Sparks s’engage à tout mettre en œuvre pour que chaque session de formation soit un succès et que votre satisfaction soit totale.

Amandine de Sparks
Des chiffres étincelants.
19 années
à vos côtés
+ de 1000
sujets de formation
8155
stagiaires formés en 2023
238
formateurs actifs en 2023
97,9%
de stagiaires satisfaits
24622
heures de formation réalisées en 2023
HAUT