ISTQB Specialist AI Testing, inclusief examenvoucher

Over de ISTQB Specialist AI Testing

De training ISTQB Specialist AI Testing biedt een diepgaande en praktijkgerichte inleiding op het testen van AI‑gebaseerde systemen, zoals machine learning (ML)‑oplossingen en generatieve AI. AI‑systemen gedragen zich anders dan traditionele software, doordat ze afhankelijk zijn van data, gedrag vertonen op basis van waarschijnlijkheden en soms moeilijk te verklaren zijn. In de ISTQB CT-AI training leer je hoe jij deze unieke eigenschappen op de juiste manier kunt testen en beoordelen.

Verder staat in de training ISTQB Specialist AI Testing het volledige AI‑testproces centraal, van het valideren van invoerdata tot het testen van modellen en het controleren van gedrag van kunstmatige intelligentie (AI) binnen productieomgevingen. Tevens wordt er in de ISTQB CT-AI training aandacht besteed aan relevante onderwerpen, zoals generatieve AI, large language models (LLM's) en ethische vraagstukken zoals vertekening (bias) en transparantie.

Daarnaast zul je door de training ISTQB Specialist AI Testing te volgen, niet alleen theoretische kennis opdoen, maar ook praktische inzichten. Zo leer je hoe jij AI‑teststrategieën op kunt stellen, hoe jij risico’s kunt identificeren en hoe jij specifieke testtechnieken toe kunt passen die geschikt zijn voor AI‑systemen. Bovendien kun jij met de ISTQB CT-AI training en een inbegrepen ISTQB CT-AI examenvoucher je goed voorbereiden op het ISTQB Specialist AI Testing examen, dat je direct af kunt leggen.

Om het ISTQB® Certified Tester AI Testing (CT-AI) certificaat te behalen, is het ISTQB Foundation Level (CTFL) certificaat verplicht.

Voor wie is de ISTQB CT-AI?

De training ISTQB Specialist AI Testing is gericht op ICT‑professionals die betrokken zijn bij het ontwikkelen, testen en/of beheren van AI‑systemen en hun kennis uit willen breiden met specifieke AI‑testvaardigheden.

De training ISTQB Specialist AI Testing is met name geschikt voor de volgende mensen:

• Softwaretesters, testanalisten en test engineers die AI‑toepassingen willen testen.
• QA‑specialisten en kwaliteitsmanagers die verantwoordelijk zijn voor softwarekwaliteit.
• Softwareontwikkelaars die betrokken zijn bij het ontwikkelen van AI-gebaseerde systemen.
• Data scientists en data‑analisten die hun modellen willen valideren.
• Testmanagers en projectmanagers die AI‑projecten aansturen.
• ICT‑ en testconsultants die organisaties adviseren over kunstmatige intelligentie (AI) en kwaliteitsborging.
• Acceptatietesters (gebruikersacceptatietesters) die AI‑systemen beoordelen.
• Bedrijfsanalisten en ICT‑managers die inzicht willen krijgen in het testen van AI‑systemen.

Leerdoelen van de ISTQB CT-AI

In de training ISTQB Specialist AI Testing zul je zowel theoretische kennis als praktische inzichten opdoen om AI‑systemen effectief te testen. Bijvoorbeeld hoe machine learning (ML)‑modellen werken, welke risico’s hierbij horen en hoe jij deze systemen op een gestructureerde manier kunt valideren.

Door de training ISTQB Specialist AI Testing te volgen, zul je de volgende dingen leren:

• De huidige stand van kunstmatige intelligentie (AI), waaronder generatieve AI.
• Machine learning (ML)‑modellen toepassen en testen binnen een organisatie.
• Het begrijpen van de werking en het testen van eenvoudige neurale netwerken.
• AI‑specifieke kwaliteitskenmerken herkennen en toepassen volgens ISO/IEC 25059.
• Prestatiematen berekenen en interpreteren voor machine learning (ML)‑modellen, zoals nauwkeurigheid en precisie.
• De reikwijdte en het belang van specifieke testniveaus begrijpen voor machine learning (ML)‑systemen.
• Hoe jij bij kunt dragen aan het opstellen van een effectieve teststrategie voor AI‑ en machine learning (ML)‑systemen.
• Testcases ontwerpen en uitvoeren voor machine learning (ML)‑toepassingen.

Aanbevolen voorkennis ISTQB CT-AI

Voordat je deelneemt aan de training ISTQB Specialist AI Testing, raden wij aan dat jij beschikt over basiskennis van de principes van softwaretesten en kunstmatige intelligentie (AI).

Om het ISTQB® Certified Tester AI Testing (CT-AI) certificaat te behalen, is het ISTQB Foundation Level (CTFL) certificaat verplicht.

Onderwerpen van de ISTQB CT-AI

In de training ISTQB Specialist AI Testing zullen de volgende onderwerpen worden behandeld:

• ISTQB CT-AI | 1. Inleiding op kunstmatige intelligentie
  • Inleiding op kunstmatige intelligentie (AI).
    • Verschillen tussen AI‑gebaseerde systemen en traditionele software.
    • Narrow AI, General AI en Super AI.
    • Verschillende soorten AI‑technologieën.
    • Generatieve AI.
    • Hardware voor machine learning‑systemen.
    • Ontwikkeling en hosting van AI‑modellen.
    • Machine Learning Development Frameworks.
    • Wet- en regelgeving en standaarden voor AI.
• ISTQB CT-AI | 2. Kwaliteitskenmerken van AI‑systemen
  • Kwaliteitskenmerken van AI‑gebaseerde systemen.
    • AI‑specifieke kwaliteitskenmerken.
    • Kunstmatige intelligentie (AI) en veiligheid.
  • Acceptatiecriteria voor AI‑systemen.
    • Acceptatiecriteria voor AI‑systemen.
• ISTQB CT-AI | 3. Machine Learning
  • Inleiding op machine learning.
    • Verschillende vormen van machine learning.
    • Machine learning‑workflow.
    • Praktische oefening: Het opzetten van een machine learning‑model.
    • Voorgetrainde modellen, fine‑tuning en Retrieval Augmented Generation (RAG).
  • Data voor machine learning.
    • Activiteiten binnen datavoorbereiding.
    • Praktische oefening: Datavoorbereiding ter ondersteuning van het creëren van een machine learning‑model.
  • Prestatiematen voor machine learning (classificatie).
    • Berekenen van prestatiematen voor machine learning‑modellen.
    • Praktische oefening: Model evalueren met geselecteerde, functionele prestatiematen.
    • Praktische oefening: Laat de invloed zien van verschillende machine learning-modellen en datasetcombinaties.
  • Neurale netwerken.
    • Structuur en werking van deep neural networks.
      Praktische oefening: Ervaar de implementatie van een Perceptron.
    • Coverage‑indicatoren voor neurale netwerken.
• ISTQB CT-AI | 4. Testen van AI‑systemen
  • Inleiding op het testen van AI‑systemen.
    • Locked en adaptieve AI‑systemen.
    • Het belang van een statistische testaanpak op het testen van AI-gebaseerde systemen.
    • Testorakels voor AI‑systemen.
  • Generatieve AI en Large Language Models testen.
    • Testen van generatieve AI.
    • Red teaming.
    • Praktische oefening: exploratory testing van een Large Language Model.
  • Testniveaus voor machine learning‑systemen.
    • Testniveaus voor machine learning‑systemen.
    • Risicogebaseerd testen van machine learning‑systemen.
• ISTQB CT-AI | 5. Testen van invoerdata voor Machine Learning-systemen
  • Testen van invoerdata voor Machine Learning-systemen.
    • Risico’s van invoerdata en beperkende maatregelen.
    • Testen op vertekening (bias).
    • Testen van datapijplijnen.
    • Representativiteit van data testen.
    • Dataset Constraints testen.
    • Labelcorrectheid testen.
    • Praktische oefening: Testen van invoerdata.
• ISTQB CT-AI | 6. Modeltesten voor Machine Learning-systemen
  • Modeltesten voor Machine Learning-systemen.
    • Risico’s van en beperkende maatregelen voor machine learning‑modellen.
    • Documentatie en beoordeling van machine learning-modellen.
    • ML Functional Performance Testing op probabilistische machine learning-systemen.
    • Adversarial testing op machine learning-systemen.
    • Metamorfisch testen.
    • Praktische oefening: Metamorfisch testen toepassen.
    • Drift Testing.
    • Testen op overfitting en underfitting.
    • A/B testing.
    • Back-to-back testing.
• ISTQB CT-AI | 7. Machine Learning Development Testing
  • Machine Learning Development Testing.
  • Risico’s en beperkende maatregelen bij machine learning-ontwikkeling.
  • Machine Learning System Deployment Testing.