Овладейте искусственным интеллектом для максимально эффективного тестирования ПО. Что такое генеративный ИИ и LLM Как работают LLM (на пальцах): трансформеры, обучение, контекст Обзор популярных моделей: ChatGPT, Gemini, Claude, YandexGPT, Qwen — их особенности для QA Этические аспекты, ограничения, галлюцинации Практика: Знакомство с интерфейсами LLM Первые промпты: простые запросы Сравнение ответов разных моделей Анализ точности и полезности ответов Генерация чек-листов, тест-кейсов, сценариев Создание входной и выходной документации Автоматическое формирование отчетов по результатам тестирования Практика: Написание промптов для генерации чек-листов Создание тест-кейсов из требований Автоматическое формирование отчета по багам Адаптация промптов под разные модели Генерация тест-данных Симуляция пользовательского поведения Формулировка и оформление баг-репортов Уточнение шагов воспроизведения Практика: Генерация набора тестовых данных Получение идей для нестандартного тестирования Оформление и улучшение баг-репортов Переписывание непонятных описаний Генерация автотестов (Selenium, Playwright и др.) Помощь в написании SQL-запросов, API-запросов Работа с шаблонами и примерами (few-shot prompting) Цепочка рассуждений (Chain-of-Thought) Практика: Написание простых автотестов с помощью ИИ Генерация API-запросов по спецификации Проверка и оптимизация SQL-запросов Создание шаблонов для повторяющихся задач Проверка соответствия стандартам UX/UI Поиск типичных ошибок дизайна Генерация идей для улучшения юзабилити Практика: Использование ИИ для проверки доступности и удобства Анализ скриншотов (при наличии multimodal моделей) Генерация предложений по улучшению интерфейса Промпты для анализа логики кода Выявление уязвимостей и антипаттернов Проверка соответствия требованиям Обнаружение дублирования, проблем в тестах Практика: Анализ фрагментов кода на безопасность и качество Проверка тест-сценариев на наличие антипаттернов Декомпозиция требований на user stories Оценка и доработка сгенерированных тестов Встраивание ИИ в ежедневную работу тестировщика База промптов для разных задач Шаблоны и менеджеры промптов Внедрение в команду: обучение, внедрение, мотивация Практика: Разработка персонального набора полезных промптов Работа с системами управления задачами через ИИ Обсуждение: как внедрить промпты в свою команду Мозговой штурм: идеи автоматизации и оптимизации Реальные кейсы использования промптинга в QA Лучшие практики, распространенные ошибки Критическое мышление при работе с ИИ Практика: Финальное задание: Создать комплексный набор тест-кейсов Сгенерировать отчет по багам Проверить качество тестов и кода Обсуждение решений, обмен опытом Демонстрация полученных результатов

Научитесь разработке с помощью нейросетей на курсе по Вайб Кодингу от Нетологии - получите практические навыки для разработчиков будущего

За 1,5 месяца вы научитесь использовать промпт-инжиниринг, внедрите нейросети в процессы и ускорите разработку продуктов.

Профессия «Нейрофронтендер» — фронтенд-разработка с использованием ИИ.

Максимизируйте эффективность архитектурных задач с помощью LLM.

Что такое генеративный ИИ и LLM. Как работают LLM (на пальцах): трансформеры, обучение, контекст. Обзор моделей: ChatGPT, Gemini, Claude, YandexGPT, Qwen — что выбрать архитектору? Этические аспекты, ограничения, галлюцинации.

Практика: Знакомство с интерфейсами LLM. Первые промпты: простые запросы. Сравнение ответов разных моделей. Анализ точности и полезности ответов.

Анатомия эффективного промпта: инструкция, контекст, примеры. Zero/One/Few-shot prompting. Управление ролью и форматом вывода (JSON, XML, Pydantic). Распространенные ошибки при составлении промптов.

Практика: Создание простых архитектурных описаний. Генерация краткой спецификации компонента. Задание роли ("архитектор", "эксперт по безопасности"). Тестирование влияния температуры и длины контекста.

Цепочка рассуждений (Chain-of-Thought) для принятия решений. Автоматизация создания ADR, RFC, README. Поддержание актуальной документации. Работа с доменной лексикой и стилем компании.

Практика: Генерация ADR по шаблону. Создание RFC на новую фичу. Автоматическое обновление README. Сравнение и доработка результатов разных моделей.

Генерация UML/C4-диаграмм (PlantUML, Mermaid). Описание архитектуры визуально и текстово. Согласование формата между разработчиками и заказчиками.

Практика: Генерация C4-контекстной диаграммы. Создание последовательности вызовов (sequence diagram). Перевод текстового описания в графический вид. Доработка и проверка корректности диаграмм.

Поиск проблем в существующем коде и архитектуре. Выявление дублирования, узких мест, антипаттернов. Использование ИИ для анализа соответствия стандартам.

Практика: Анализ фрагментов кода на безопасность и качество. Выявление антипаттернов в архитектуре. Проверка соответствия требованиям и гайдлайнам. Предложение альтернативных решений.

Как внедрить ИИ в ежедневную работу архитектора. База промптов для типовых задач. Шаблоны и менеджеры промптов. Работа с несколькими LLM-агентами.

Практика: Разработка библиотеки промптов под свои задачи. Автоматизация части архитектурного ревью. Интеграция с внутренними системами и Git. Обсуждение: как сделать процесс предсказуемым.

Безопасность и ответственность при использовании ИИ. Юридические, коммерческие и этические аспекты. Стратегии внедрения ИИ в архитектурные процессы. Обучение команды и работа с сопротивлением.

Практика: Обсуждение кейсов: безопасное использование ИИ. Мозговой штурм: как внедрить ИИ в свою команду. Создание чек-листов для применения ИИ. Анализ возможных рисков и способов их минимизации.

Критическое мышление при работе с ИИ. Возможности и ограничения современных инструментов.

Практика: Финальное задание: Получить архитектурную задачу. Сгенерировать ADR и RFC. Создать диаграммы и описание решения. Проанализировать потенциальные проблемы. Обсуждение решений, обмен опытом. Демонстрация полученных результатов.

На курсе Нейросети для разработчиков вы узнаете, как при помощи ИИ создавать промты, автоматизировать тестирование, писать документацию