دوره تست فنی خودکار برای Generative AI همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تست فنی خودکار برای Generative AI

موضوع کلی: برنامه نویسی

موضوع میانی: تست نرم‌افزار**

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر تست نرم‌افزار
• 2. مبانی تست نرم‌افزار
• 3. چرخه حیات تست نرم‌افزار
• 4. انواع تست نرم‌افزار
• 5. مبانی تست خودکار
• 6. اهمیت تست خودکار
• 7. تفاوت تست دستی و خودکار
• 8. ابزارهای تست خودکار
• 9. مقدمه‌ای بر هوش مصنوعی مولد (Generative AI)
• 10. کاربردهای Generative AI
• 11. چالش‌های تست Generative AI
• 12. مبانی ارزیابی مدل‌های Generative AI
• 13. معیارهای کیفیت در Generative AI
• 14. مفاهیم اساسی تست فنی
• 15. هدف تست فنی
• 16. انواع تست فنی
• 17. تست واحد (Unit Testing)
• 18. تست یکپارچه‌سازی (Integration Testing)
• 19. تست سیستمی (System Testing)
• 20. تست پذیرش (Acceptance Testing)
• 21. تست رگرسیون (Regression Testing)
• 22. تست عملکرد (Performance Testing)
• 23. تست امنیتی (Security Testing)
• 24. تست قابلیت استفاده (Usability Testing)
• 25. اصول طراحی تست
• 26. طراحی تست مبتنی بر الزامات
• 27. طراحی تست مبتنی بر کد
• 28. طراحی تست مبتنی بر داده
• 29. تکنیک‌های طراحی تست
• 30. تکنیک جعبه سیاه (Black Box Techniques)
• 31. تکنیک جعبه سفید (White Box Techniques)
• 32. تکنیک جعبه خاکستری (Gray Box Techniques)
• 33. اصول نوشتن تست‌های مؤثر
• 34. استانداردهای کدنویسی تست
• 35. مدیریت تست (Test Management)
• 36. برنامه‌ریزی تست (Test Planning)
• 37. استراتژی تست (Test Strategy)
• 38. طراحی سناریوهای تست
• 39. اولویت‌بندی تست‌ها
• 40. اجرای تست‌ها (Test Execution)
• 41. گزارش‌دهی تست (Test Reporting)
• 42. مدیریت نقص (Defect Management)
• 43. ردیابی نقص (Defect Tracking)
• 44. تحلیل ریشه‌ای نقص (Root Cause Analysis)
• 45. تست خودکار در عمل
• 46. مقدمه‌ای بر فریم‌ورک‌های تست خودکار
• 47. انتخاب فریم‌ورک تست مناسب
• 48. مبانی یادگیری ماشینی برای تست
• 49. انواع مدل‌های یادگیری ماشینی
• 50. مفاهیم یادگیری نظارت شده
• 51. مفاهیم یادگیری نظارت نشده
• 52. مفاهیم یادگیری تقویتی
• 53. مبانی تست Generative AI
• 54. چالش‌های خاص تست Generative AI
• 55. ارزیابی خروجی‌های Generative AI
• 56. تست دقت (Accuracy Testing)
• 57. تست ارتباط (Relevance Testing)
• 58. تست انسجام (Coherence Testing)
• 59. تست خلاقیت (Creativity Testing)
• 60. تست سوگیری (Bias Testing)
• 61. تست ایمنی (Safety Testing)
• 62. تست استحکام (Robustness Testing)
• 63. تست قابلیت تفسیر (Interpretability Testing)
• 64. تست قابلیت اطمینان (Reliability Testing)
• 65. تکنیک‌های تست خودکار برای Generative AI
• 66. تست مبتنی بر الگو (Pattern-Based Testing)
• 67. تست مبتنی بر مقایسه (Comparison-Based Testing)
• 68. تست مبتنی بر بازخورد (Feedback-Based Testing)
• 69. تست مبتنی بر داده‌های مصنوعی (Synthetic Data-Based Testing)
• 70. تست مبتنی بر اکتشاف (Exploratory Testing)
• 71. تکنیک‌های تست برای مدل‌های زبانی بزرگ (LLMs)
• 72. تست prompts
• 73. تست پاسخ‌ها
• 74. تست مکالمات
• 75. تست مدل‌های تولید تصویر
• 76. تست تصاویر تولید شده
• 77. تست prompts برای تولید تصویر
• 78. تکنیک‌های تست برای مدل‌های تولید کد
• 79. تست کد تولید شده
• 80. تست prompts برای تولید کد
• 81. فریم‌ورک‌های تست خودکار برای Generative AI
• 82. ابزارهای ارزیابی LLM
• 83. ابزارهای تست مدل‌های تولید تصویر
• 84. ابزارهای تست مدل‌های تولید کد
• 85. استفاده از ابزارهای منبع باز
• 86. استفاده از پلتفرم‌های ابری
• 87. استراتژی‌های تست برای Generative AI
• 88. ایجاد مجموعه داده‌های تست (Test Datasets)
• 89. تولید داده‌های تست خودکار
• 90. اعتبارسنجی مجموعه داده‌های تست
• 91. مدیریت چرخه عمر تست Generative AI
• 92. تست مداوم (Continuous Testing)
• 93. تست در CI/CD Pipeline
• 94. اتوماسیون تست برای Generative AI در مقیاس بزرگ
• 95. مقیاس‌پذیری تست‌ها
• 96. مدیریت هزینه‌های تست
• 97. بهبود مستمر فرآیندهای تست
• 98. اندازه‌گیری اثربخشی تست
• 99. تست‌های Ad Hoc برای Generative AI
• 100. ملاحظات اخلاقی در تست Generative AI