CT-AI
ISTQB® Certificado en Pruebas de IA v2.0 (CT-AI)
Programa en español con teoría ampliada por todos los capítulos del syllabus CT-AI v2.0, objetivos de aprendizaje, flashcards con significado, práctica K2/K3 y simulacro aleatorio alineado a la estructura oficial.
7 capítulos43 objetivos LO133 preguntassimulacro 40aprueba 29/4460 min
ISTQBtesting-istqbai-automationTestingInteligencia artificial
7 capítulos
43 objetivos LO
133 preguntas
Simulacro 40
Temario por capítulos
- Capítulo 1: Introducción a la Inteligencia ArtificialExplica qué diferencia a un sistema basado en IA de un sistema convencional, los tipos de IA, las tecnologías clave, la IA generativa, el hardware, las opciones de desarrollo/alojamiento, los marcos de trabajo ML y el impacto de regulaciones y estándares.
- Capítulo 2: Características de Calidad para Sistemas Basados en IADefine cómo clasificar comportamientos de sistemas IA con características de calidad específicas, cómo tratar IA en contextos relacionados con seguridad y cómo escribir criterios de aceptación medibles.
- Capítulo 3: Aprendizaje AutomáticoDesarrolla las formas de ML, el flujo de trabajo, modelos preentrenados, RAG, preparación de datos, conjuntos de entrenamiento/validación/prueba, métricas de clasificación, redes neuronales profundas y medidas de cobertura.
- Capítulo 4: Pruebas de Sistemas Basados en IACubre testeabilidad de sistemas IA bloqueados/adaptativos, enfoque estadístico, oráculos, pruebas de IA generativa y LLM, red teaming, niveles de prueba para ML y prueba basada en riesgos.
- Capítulo 5: Pruebas de Datos de Entrada para Sistemas de Aprendizaje AutomáticoSe enfoca en riesgos de datos, mitigaciones, sesgo, canalizaciones de datos, representatividad, restricciones de datasets, corrección de etiquetas y ejercicios de validación de datos.
- Capítulo 6: Pruebas de Modelos para Sistemas de Aprendizaje AutomáticoIntegra riesgos de modelos, documentación, rendimiento funcional, pruebas adversariales, metamórficas, deriva, sobreajuste/subajuste, A/B testing y pruebas comparativas back-to-back.
- Capítulo 7: Pruebas del Desarrollo y Despliegue de Aprendizaje AutomáticoResume riesgos del desarrollo ML y pruebas de despliegue: framework, APIs, instalación, eficiencia, conversión de modelo, smoke test, shadow testing, canary release y compatibilidad de producción.