Public visé
Testeurs logiciels, ingénieurs qualité, responsables qualité et professionnels souhaitant se spécialiser dans les tests de systèmes utilisant l’IA.
Prérequis
- Être certifié ISTQB Niveau Fondation (obligatoire)
Objectifs pédagogiques
À l’issue de cette formation, vous serez capable de :
- Résumer les principes fondamentaux de l’IA
- Cartographier les caractéristiques de qualité des systèmes basés sur l’IA
- Décrire les concepts du Machine Learning
- Identifier les types de données ML et leur importance
- Évaluer les performances fonctionnelles des modèles ML
- Expliquer les réseaux neuronaux et stratégies de test adaptées
- Tester les caractéristiques de qualité spécifiques à l’IA
- Appliquer des méthodes et techniques de test appropriées
Programme
Jour 1 : Introduction et caractéristiques de qualité
Introduction à l’IA
- Définitions, IA étroite/générale/super IA
- Systèmes IA vs conventionnels, technologies, frameworks, normes
Caractéristiques de qualité
- Flexibilité, adaptabilité, autonomie, biais, éthique
- Transparence, interprétabilité, sûreté
ML vue d’ensemble
- Supervisé, non supervisé, par renforcement
- Workflow, sélection d’algorithmes, sur/sous-ajustement
Jour 2 : Données et métriques ML
Données ML
- Préparation, ensembles apprentissage/validation/test
- Qualité des données et étiquetage
Métriques de performance
- Matrice de confusion
- Métriques classification/régression/clustering
- Limites et benchmarks
Jour 3 : Réseaux neuronaux et tests
Réseaux neuronaux
- Fonctionnement et mesures de couverture
Test des systèmes IA
- Spécification, niveaux de test, données de test
- Biais d’automatisation, dérive du concept
Caractéristiques de qualité spécifiques
- Systèmes auto-apprentissage et autonomes
- Biais algorithmiques, systèmes probabilistes
Jour 4 : Méthodes de test et certification
Méthodes et techniques de test
- Attaques adverses et empoisonnement des données
- Tests par paire, dos à dos, A/B, test métamorphique
Environnements de test
- Environnements réels et virtuels
Utilisation de l’IA pour les tests
- Analyse de reporting, génération de cas de test
- Optimisation des suites de régression, prédiction des défauts
Certification
- Examen blanc et passage de la certification ISTQB CT-AI (40 questions, 2h, seuil 65%)
Modalités d’évaluation des acquis
- En cours de formation, par des travaux pratiques
- Et, en fin de formation, par le passage de la certification ISTQB CT-AI