|
课程培训
|
LLM在软件测试领域的应用实践与大厂实战培训
培训对象： 软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人 软件架构师，资深研发工程师 运维架构师，资深运维工程师，DevOps工程师，SRE 测试架构师，资深测试工程师 研发管理人员，研发流程工程师
课程大纲： 生成式AI的最新进展与应用 l AIGC的基本概念 l 大语言模型的基本概念 l LLM和传统AI的区别 l AIGC目前的主要应用领域 l AIGC目前的可能的应用领域 l 各类生成式AI的工具能力 以chatGPT为例来深入理解LLM的基本工作原理 l 什么是ChatGPT l GPT和chatGPT的关系 l ChatGPT的历史和发展 l ChatGPT的架构和模型 l ChatGPT的训练数据和算法 l ChatGPT的生成过程和输出结果 l ChatGPT的局限性 l ChatGPT的安全性 l ChatGPT的涌现能力 l ChatGPT的思维链 DeepSeek大模型基础 l DeepSeek与传统LLM的主要区别 l 从DeepSeek R1 Zero到DeepSeek R1 l DeepSeek R1和OpenAI O1模型的对比总结 l 预训练范式 vs 推理计算范式 l 多头潜在注意力机制MLA l 混合专家架构MoE l DeepSeekMoE的关键创新 l 对传统大模型的挑战和机遇 l DeepSeek的常见误解与详细解读 大语言模型本地部署实战 l 本地部署的基础知识 l 本地安装ollama l 本地部署Deepseek R1 l 本地部署Llama 3.3 l 本地安装open-webui l 本地部署实现RAG LLM的主流应用场景与未来发展 l GenAI在千行百业的应用概览 l GenAI在软件研发企业的应用概览 l 单模态 vs 多模态 l 知识工程的回归 l LLM的未来发展方向 l LLM在各行业中的应用前景 l LLM的风险与不确定性应对 l LLM的技术演化方向 l LLM的哲学思考 熟练使用LLM能力的全面进阶 l LLM应用能力的进阶模型（“倒三角”模型） l 提示词工程基础知识 l 主流提示词使用技巧 l 提示的万能使用公式详解 l 提示词模板的使用 l 提示词静态链的使用 l 提示词的横向扩展 l 提示词的纵向扩展 l 使用OpenAI API l ReAct的概念和落地 l 思维链和多思维链 l RAG的基本原理与应用 l 多模态RAG的使用 l plugin机制与使用方式 l Function Call机制与使用方式 l MCP 机制与使用方式 l Agent的雏形 l Agent开发的基本框架 l 业界主流Agent的设计思路与使用 l Multi-Agent的雏形 l 业界主流Multi-Agent的设计思路 l Multi-Agent的基本逻辑和应用范围 l Multi-Agent应用示例：MetaGPT l Multi-Agent应用示例：DevChat LLM在软件研发全生命周期中的应用场景与案例 l 软件研发全流程中LLM擅长的部分 l 软件研发全流程中LLM不擅长的部分 l 竞品分析与市场调研阶段LLM的应用场景与案例 l 产品概念与产品定义阶段LLM的应用场景与案例 l 产品原型阶段LLM的应用场景与案例 l 产品体验设计阶段LLM的应用场景与案例 l 需求分析阶段LLM的应用场景与案例 l 技术选型阶段LLM的应用场景与案例 l 顶层设计阶段LLM的应用场景与案例 l 详细设计阶段LLM的应用场景与案例 l 从设计到UML，从UML到代码的完整示例 l 编码阶段LLM的应用场景与案例 l 代码评审阶段LLM的应用场景与案例 l 单元测试阶段LLM的应用场景与案例 l 接口测试阶段LLM的应用场景与案例 l 持续集成流水中LLM的应用场景与案例 l 各类软件工程文档中LLM的应用场景与案例 l 持续发布中LLM的应用场景与案例 l 性能测试阶段LLM的应用场景与案例 l 测试结果分析中LLM的应用场景与案例 AI辅助编程工具提升测试开发的质效 l LLM辅助编程工具的基本原理和应用场景 l 代码大模型测评集HumanEval、MBPP介绍和评分原理 l 微软：Github Copilot和Copilot X l 亚马逊：CodeWhisperer l 智能代码编辑器Cursor l 智谱智能编程助手CodeGeeX等 l 百度Comate快码 l 阿里通义灵码 l LLM辅助编程工具 主要使用场景 l LLM辅助编程工具的实现原理 l LLM辅助编程工具加持下的软件生态改变 l LLM辅助编程工具改变传统开发的12大场景 l LLM辅助编程工具的编程技巧 l LLM辅助编程工具下的测试优化 l 案例：某互联网大厂的应用案例分析 LLM在软件质量和软件测试领域中的应用与案例 l 使用Test pilot自动生成测试用例 l Test pilot的基本原理 l 使用OpenAI API实现单元测试用例的生成 l LLM用于单元测试用例生成的技术难点与解决思路 l 使用OpenAI API实现API接口测试用例的生成 l 使用DeepSeek 实现API组合调用测试用例的生成 l LLM在测试数据生成领域的应用与实践 l LLM用于API接口测试用例生成的技术难点与解决思路 l 测试脚本开发中的GitHub Copilot应用 l Copilot X的能力与测试领域应用 l 基于AI Agent的测试用例设计生成技术 l 基于AI Agent的测试用例脚本生成技术 l 基于Multi-Agent的测试用例设计生成技术 l 基于Multi-Agent的测试用例脚本生成技术 l 使用LLM实现Monkey Test的能力扩展 l 使用LLM实现无脚本的Mobile App探索测试 l 使用LLM识别错误敏感的测试数据 l 使用LLM实现失败测试用例的自动修复 l 使用LLM提升被测对象的可测试性 各类AIGC场景深度解读 l 文生图能力的使用（大量行业案例） l 与日程办公的结合（Office Copilot的案例）
其他各类可能使用场景解读（国内外最新案例） 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
