ISTQB® Certified Tester – AI Testing (CTFL-AI)

1. Einführung in KI

• Definition von KI und KI-Effekt
• Schwache KI, Allgemeine KI und Super-KI
• KI-Techniken
• Vortrainierte Modelle
• KI-als-Dienst (AI-as-a-service, AlaaS)
• KI-Entwicklungs-Frameworks
• Hardware für KI-basierte Systeme
• KI-basierte und konventionelle Systeme
• Normen, Vorschriften und KI

2. Qualitätsmerkmale für KI-basierte Systeme

• Ethik
• Verzerrung
• Flexibilität und Anpassbarkeit
• Autonomie
• Transparenz, Interpretierbarkeit und Erklärbarkeit
• Funktionale Sicherheit und KI
• Nebenwirkungen und Belohnungs-Hacking
• Evolution

3. Maschinelles Lernen (ML) – Überblick

• Arten von ML
• Faktoren, die bei der Auswahl von ML-Algorithmen eine Rolle spielen
• ML-Workflow
• Auswahl einer Art von ML
• Überanpassung und Unteranpassung

4. Maschinelles Lernen (ML) – Daten

• Datenkennzeichnung für überwachtes Lernen
• Datenqualität und ihre Auswirkungen auf das ML-Modell
• Probleme mit der Datensatzqualität
• Trainings-, Validierungs- und Testdatensätze im ML-Workflow
• Datenvorbereitung als Teil des ML-Workflows

5. Funktionale Leistungsmetriken von ML

• Benchmark-Suiten für ML
• Beschränkungen der funktionalen Leistungsmetriken von ML
• Auswahl funktionaler Leistungsmetriken von ML
• Konfusionsmatrix
• Zusätzliche funktionale Leistungsmetriken von ML für Klassifikation, Regression und Clusterbildung

6. ML – Neuronale Netzwerke und Testen

• Überdeckungsmaße für neuronale Netzwerke
• Neuronale Netzwerke

7. Testen KI-basierter Systeme im Überblick

• Testdaten zum Testen KI-basierter Systeme
• Teststufen für KI-basierte Systeme
• Testen auf Konzeptdrift
• Spezifikation KI-basierter Systeme
• Testen auf Automatisierungsverzerrungen in KI-basierten Systemen
• Auswahl einer Testvorgehensweise für ein ML-System
• Dokumentieren einer KI-Komponente

8. Testen KI-spezifischer Qualitätsmerkmale

• Herausforderungen beim Testen probabilistischer und nicht-deterministischer KI-basierter Systeme
• Testen auf algorithmische, stichprobenartige und unangemessene Verzerrungen
• Testziele und Akzeptanzkriterien
• Testen der Transparenz, Interpretierbarkeit und Erklärbarkeit KI-basierter Systeme
• Herausforderungen beim Testen komplexer KI-basierter Systeme
• Test autonomer KI-basierter Systeme
• Herausforderungen beim Testen selbstlernender Systeme
• Testorakel für KI-basierte Systeme

9. Methoden und Verfahren für das Testen von KI-basierten Systemen

• A/B Testen
• Vergleichendes Testen
• Paarweises Testen
• Gegnerische Angriffe und Datenverunreinigung
• Metamorphes Testen (MT)
• Erfahrungsbasiertes Testen KI-basierter Systeme
• Auswahl von Testverfahren für KI-basierte Systeme

10. Testumgebungen für KI-basierte Systeme

• Virtuelle Testumgebungen zum Testen von KI-basierten Systemen
• Testumgebungen für KI-basierte Systeme

11. Einsatz von KI für Tests

• Einsatz von KI für die Fehlervorhersage
• Einsatz von KI für die Optimierung von Regressionstestsuiten
• Einsatz von KI zur Analyse gemeldeter Fehler
• Einsatz von KI für die Testfallgenerierung
• KI-Techniken für das Testen
• Einsatz von KI zum Testen von Benutzungsschnittstellen

12. Praktische Übungen

• Verstehen, wie KI zur Unterstützung des Softwaretestens eingesetzt werden kann
• Den aktuellen Stand und zukünftige Entwicklungen im Bereich Künstliche Intelligenz verstehen
• Die besonderen Herausforderungen beim Testen KI-basierter Systeme erkennen – z. B. Selbstlernverhalten, Verzerrung (Bias), ethische Fragestellungen, Komplexität, Nichtdeterminismus, Transparenz und Erklärbarkeit
• Testfälle für KI-basierte Systeme entwerfen und durchführen
• Zur Teststrategie von KI-Systemen gezielt beitragen können
• Die speziellen Anforderungen an eine Testinfrastruktur für KI-Systeme verstehen
• Die Umsetzung und das Testen eines Machine-Learning-Modells praktisch erleben und bewerten, an welchen Stellen Tester*innen gezielt Einfluss auf die Qualität nehmen können

Das Seminar richtet sich an Personen, die ihr Wissen im Bereich Künstliche Intelligenz und Softwaretest erweitern möchten. Zum Beispiel:

• Tester
• Testmanager
• Entwickler
• Datenanalysten
• Projektverantwortliche
• Requirements Engineers.

Zertifizierung
Teilnehmer erhalten ein ISTQB® Zertifikat.

Kursunterlagen
Wir von AKROS, lieben Nachhaltigkeit. Sobald wir Sie zu einem online Training angemeldet haben, werden die Dokumente zum Training elektronisch zur Verfügung gestellt. Während vor Ort Trainings, bekommen Sie die Unterlagen im Papierformat.

Keine passender Termin dabei?
Kein Problem! Melden Sie sich gerne per E-Mail bei academy@akros.ch und wir finden gemeinsam eine Lösung.

Preferred Partner
Dieses Training geben wir zusammen mit TestSolutions.

Early bird Rabatt
10% Rabatt - pro Training und Person - bis 30 Tage vor Kursbeginn.

Send your Team
10% Rabatt ab 3 Personen
20% Rabatt ab 5 Personen

Interne Firmenkurse
Ab 6 Teilnehmenden ist ein in-house Training immer die richtige Wahl. Mit unserem Angebot für interne Firmenkurse bieten wir Ihnen die Möglichkeit, mit uns gemeinsam ein Schulungskonzept zu erstellen, das passgenau auf Sie zugeschnitten ist – flexibel, exklusiv und selbstverständlich am Ort Ihrer Wahl. Mehr Informationen dazu finden Sie hier.

Wünschen Sie eine Offerte, haben Fragen oder Anregungen?
Senden Sie uns eine E-Mail an academy@akros.ch. Wir freuen uns auf Sie!

Warum AKROS?

• Über 20 Trainer mit mehrjähriger Expertise und Hands-on-Erfahrung
• Kurse in Ihrer Muttersprache
• Schweizer Trainingsstandorte