×
ribbon

آمادگی برای آزمون ISTQB CT-AI

مدرس:Udemy

Rafał Podraza

آمادگی آزمون ISTQB CT-AI با مبانی هوش مصنوعی و یادگیری ماشین و معیارها

جدید
زیرنویس
8دانشجو
4ساعت
سرفصل‌ها
مقدماتی تا پیشرفته سطح دوره
بروزرسانیمهر ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

فهم مبانی هوش مصنوعی و سیستم‌های مبتنی بر هوش مصنوعی.

شناسایی جنبه‌های کیفیتی کلیدی مانند تعصب و اخلاق در ارزیابی هوش مصنوعی.

یادگیری مفاهیم کلیدی یادگیری ماشین و فلوهای کاری آن و نحوه آماده‌سازی داده‌ها.

توانایی آزمایش سیستم‌های مبتنی بر هوش مصنوعی و مقابله با چالش‌هایی مانند تعصب و تغییر مفهوم و آماده‌سازی برای آزمون CT-AI.

این دوره شامل:

4 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

12 فصل66 جلسه4 ساعت ویدیو
معرفی
  درباره مدرس
01:00
  اطلاعات آزمون CT‐AI
03:40
مقدمه‌ای بر هوش مصنوعی
  تعریف هوش مصنوعی و تأثیر آن
04:17
  هوش مصنوعی محدود، هوش مصنوعی عمومی و هوش مصنوعی فوق‌هوش
03:37
  سامانه‌های مبتنی بر هوش مصنوعی و سامانه‌های سنتی
03:19
  فناوری‌های هوش مصنوعی
03:26
  چارچوب‌های توسعه هوش مصنوعی
02:10
  سخت‌افزار برای سیستم‌های مبتنی بر هوش مصنوعی
04:22
  هوش مصنوعی به‌عنوان سرویس (AIaaS)
03:29
  مدل‌های از پیش‌آموزش‌دیده
05:02
  استانداردها، مقررات و هوش مصنوعی
04:45
ویژگی‌های کیفی سامانه‌های مبتنی بر هوش مصنوعی
  انعطاف‌پذیری و سازگاری
05:32
  خودمختاری
03:33
  تحول
03:25
  سوگیری
04:42
  اخلاق
03:51
  اثرات جانبی و دست‌کاری پاداش
03:31
  شفافیت، تفسیر‌پذیری و توضیح‌پذیری
04:02
  ایمنی و هوش مصنوعی
03:31
یادگیری ماشین– مرور کلی
  انواع یادگیری ماشین
05:19
  روند کار یادگیری ماشین
06:31
  انتخاب نوع یادگیری ماشین
04:31
  عوامل مؤثر در انتخاب الگوریتم‌های یادگیری ماشین
04:15
  برازش بیش از حد و برازش ناکافی
03:50
یادگیری ماشین- داده‌ها
  آماده‌سازی داده‌ها به عنوان بخشی از گردش کار یادگیری ماشین
06:00
  چالش‌های آماده‌سازی داده‌ها
03:28
  داده‌های آموزشی، اعتبارسنجی و آزمایشی در گردش کار یادگیری ماشین
04:57
  مسائل کیفیت داده‌ها
05:29
  کیفیت داده و تأثیر آن بر مدل یادگیری ماشین
03:35
  برچسب‌گذاری داده‌ها برای یادگیری با نظارت
04:41
معیار‌های عملکردی برای یادگیری ماشین
  ماتریس سردرگمی
04:43
  معیار‌های عملکردی یادگیری ماشین (رده‌بندی، رگرسیون، خوشه‌بندی)
04:27
  محدودیت‌های معیار‌های عملکردی برای یادگیری ماشین
03:41
  انتخاب معیار‌های عملکردی برای یادگیری ماشین
03:23
  مجموعه‌های بنچ‌مارک برای یادگیری ماشین
03:01
یادگیری ماشین: شبکه‌های عصبی و آزمون‌گیری
  شبکه‌های عصبی
03:55
  معیار‌های پوشش برای شبکه‌های عصبی
04:22
نمای کلی سامانه‌های مبتنی بر هوش مصنوعی
  مشخصات سامانه‌های مبتنی بر هوش مصنوعی
03:42
  سطوح آزمایش سامانه‌های مبتنی بر هوش مصنوعی
06:11
  داده‌های آزمون برای ارزیابی سامانه‌های مبتنی بر هوش مصنوعی
03:34
  آزمون برای سوگیری اتوماتیک در سامانه‌های مبتنی بر هوش مصنوعی
03:30
  مستندسازی یک جزء هوش مصنوعی
04:29
  آزمون برای تغییر مفهوم
03:23
  انتخاب رویکرد آزمون برای یک سامانه یادگیری ماشین
03:59
آزمون ویژگی‌های کیفیت مخصوص هوش مصنوعی
  چالش‌های آزمون سامانه‌های یادگیری خودکار
03:05
  آزمون سامانه‌های مبتنی بر هوش مصنوعی خودمختار
02:19
  چالش‌های آزمون سامانه‌های مبتنی بر هوش مصنوعی احتمالی و غیر قطعی
03:29
  آزمون شفافیت، تفسیرپذیری و توضیح‌پذیری سامانه‌های هوش مصنوعی
03:14
  مرجع‌های آزمون برای سامانه‌های مبتنی بر هوش مصنوعی
02:54
  هدف‌های آزمون و معیارهای پذیرش
04:12
روش‌ها و تکنیک‌های آزمایش سیستم‌های مبتنی بر هوش مصنوعی
  آزمون برای سوگیری الگوریتمی، سوگیری نمونه و سوگیری نامناسب
02:36
  حملات خصمانه و آلودگی داده‌ها
05:22
  آزمون جفتی
03:25
  آزمون پشت‌به‌پشت
02:40
  آزمون A و B
03:42
  آزمون متامورفیک (MT)
03:46
  تست مبتنی بر تجربه سیستم‌های هوش مصنوعی
04:09
  انتخاب تکنیک‌های آزمایش برای سیستم‌های مبتنی بر هوش مصنوعی
03:41

توضیحات دوره

این دوره با هدف آمادگی برای آزمون ISTQB CT-AI طراحی شده است و مبانی آزمایش هوش مصنوعی، یادگیری ماشین، معیارها، تکنیک‌ها و سوالات تمرینی را پوشش می‌دهد. محتوای دوره شامل درک مبانی هوش مصنوعی و سیستم‌های مبتنی بر هوش مصنوعی، شناسایی جنبه‌های کیفیتی کلیدی مانند تعصب و اخلاق، یادگیری مفاهیم کلیدی یادگیری ماشین و فلوهای کاری آن، درک آماده‌سازی داده‌ها و انواع مجموعه‌داده‌ها، استفاده از معیارهای ML مانند ماتریس سردرگمی، یادگیری چگونگی تست سیستم‌های مبتنی بر هوش مصنوعی، مواجهه با چالش‌هایی مانند تعصب و تغییر مفهوم، بررسی تکنیک‌ها و روش‌های آزمون هوش مصنوعی، استفاده از هوش مصنوعی برای پشتیبانی از فعالیت‌های آزمون و آماده‌سازی برای آزمون ISTQB CT-AI.

دیدگاه کاربران

5

بر اساس امتیاز 2 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
3دوره
19دانشجو
2نظر و امتیاز
من مهندس کنترل کیفیت (QA)، شریک مدرسان Udemy، سازنده محتوا و نویسنده کتاب هستم. تجربه حرفه‌ای من در زمینه‌های آزمایش نرم‌افزار، اتوماسیون تست، کیفیت نرم‌افزار و فناوری‌های مدرن IT است. از سال ۲۰۲۱ تاکنون بیش از ۷۰ دوره آنلاین منتشر کرده‌ام که به بیش از ۸۵٬۰۰۰ ثبت‌نام دوره و رسیدن به بیش از ۶۰٬۰۰۰ یادگیرنده منجر شده است. بسیاری از دوره‌های من به وضعیت پرفروش در Udemy رسیده‌اند. دوره‌های من پوشش می‌دهند: آزمون نرم‌افزار، اتوماسیون تست، هوش مصنوعی، ChatGPT، GitHub Copilot، DevOps، فناوری‌های ابری، برنامه‌نویسی، مدیریت پروژه و مدیریت ریسک. من بر دانش عملی تمرکز دارم که دانش‌آموزان می‌توانند فوراً در کار روزمره خود استفاده کنند. دوره‌هایم شامل نمونه‌های دنیای واقعی، نمایش‌ها، تمرین‌ها و سناریوهایی است که از چالش‌های پروژه‌های IT حرفه‌ای الهام گرفته‌اند. هدف من توضیح روشن مفاهیم پیچیده و کمک به توسعه مهارت‌های عملی، افزایش اعتماد به نفس و پیشبرد حرفه‌ای شرکت‌کنندگان است. به یکی از دوره‌هایم بپیوندید و از طریق تمرین و عمل بیاموزید.
poster

آمادگی برای آزمون ISTQB CT-AI

8دانشجو

دوره‌های مشابه