Formation Certification ISTQB Testeur IA : Maîtriser les Tests d'Intelligence Artificielle

Programme de la formation
Certification ISTQB Testeur IA : Maîtriser les Tests d'Intelligence Artificielle

• Introduction aux Tests d'IA et Certification ISTQB IAQ

  - Présentation des tests logiciels dans le contexte de l'IA.
  - Introduction à la certification ISTQB AI Testing (IAQ).
  - Avantages et périmètre de la certification pour les testeurs.

• Fondamentaux de l'Intelligence Artificielle pour Testeurs

  - Définitions clés de l'IA, du Machine Learning (ML), Deep Learning (DL).
  - Principaux types de systèmes d'IA (réseaux de neurones, systèmes experts, etc.).
  - Comprendre le cycle de vie du développement d'un système d'IA.

• Défis Spécifiques des Tests d'IA

  - Problématiques liées à la non-déterminisme et à l'explicabilité.
  - Gestion des données d'entraînement et de test.
  - Importance de la robustesse, de l'éthique et de la fairness des IA.

• Phase de Conception des Tests pour l'IA

  - Adaptation des stratégies de test traditionnelles à l'IA.
  - Définition des critères de test et des mesures de performance.
  - Identification des risques spécifiques aux systèmes d'IA.

• Tests Black Box pour les Systèmes d'IA

  - Application des techniques de test fonctionnel à l'IA.
  - Test basé sur le comportement et la sortie de l'IA.
  - Gestion des jeux de données de test (data curation, augmentation).

• Tests White Box et Structurels des Modèles ML

  - Analyse des composants internes des modèles ML.
  - Techniques de test basées sur la couverture (neurones, liens).
  - Outils et frameworks pour l'inspection des modèles.

• Tests de Performance et de Robustesse des IA

  - Mesure de la vitesse d'inférence et de la consommation de ressources.
  - Techniques de test d'adversité et d'exploratoire.
  - Évaluation de la résistance aux perturbations et aux attaques.

• Tests de Données et de Modèles pour l'IA

  - Qualité et intégrité des données d'apprentissage.
  - Validation des pipelines de données (ETL).
  - Comparaison et amélioration des performances de modèles.

• Tests d'Explicabilité et d'Éthique en IA

  - Principes et techniques de l'IA explicable (XAI).
  - Évaluation de la fairness et de la détection des biais.
  - Conformité éthique et réglementaire des systèmes d'IA.

• Gestion des Bugs et Rapports de Tests en IA
• Outils et Environnements de Test pour l'IA

  - Présentation d'outils open source et commerciaux de testing IA.
  - Mise en place d'environnements de test dédiés à l'IA.
  - Automatisation des tests dans un contexte d'IA.

• Préparation à l'Examen de Certification ISTQB IAQ

  - Synthèse des concepts clés et des connaissances requises.
  - Révision des objectifs du programme de l'examen.
  - Stratégies de réussite et conseils pour l'examen ISTQB IAQ.