Resultaat
Na afloop van deze training ben je in staat om:
- De belangrijkste concepten van Artificial Intelligence en Machine Learning uit te leggen.
- AI-gebaseerde systemen en traditionele softwaresystemen van elkaar te onderscheiden.
- AI-specifieke kwaliteitskenmerken en risico’s te identificeren.
- Machine Learning workflows en datasets te analyseren.
- ML performance metrics te interpreteren en toe te passen.
- Input data testing uit te voeren, inclusief bias- en representativiteitstesten.
- Passende testtechnieken voor AI-systemen te selecteren en toe te passen.
- Machine Learning modellen effectief te testen.
- Generative AI-oplossingen en Large Language Models te beoordelen.
- Red teaming, adversarial testing en metamorphic testing toe te passen.
- Een effectieve teststrategie voor AI-gebaseerde systemen op te stellen.
- Zich optimaal voor te bereiden op het ISTQB® Certified Tester AI Testing examen.
ISTQB® Certified Tester AI Testing (CT-AI)
Artificial Intelligence (AI) en Machine Learning (ML) worden steeds vaker toegepast in bedrijfskritische systemen. Deze systemen brengen nieuwe kwaliteitsrisico’s en testuitdagingen met zich mee die niet volledig kunnen worden afgedekt met traditionele testmethoden. Denk hierbij aan datakwaliteit, bias, modelgedrag, uitlegbaarheid, betrouwbaarheid en het testen van generatieve AI-oplossingen.
De geaccrediteerde ISTQB® Certified Tester AI Testing (CT-AI) training biedt testprofessionals een solide basis voor het testen van AI-gebaseerde systemen. Je leert de fundamentele concepten van AI en Machine Learning begrijpen, de specifieke kwaliteitskenmerken van AI-systemen herkennen en passende testtechnieken toepassen voor zowel traditionele machine learning modellen als moderne Generative AI-oplossingen.
Tijdens de training maak je kennis met de volledige levenscyclus van AI-systemen. Je leert hoe trainingsdata wordt voorbereid, hoe machine learning modellen worden ontwikkeld en geëvalueerd, welke risico’s daarbij ontstaan en hoe deze effectief getest kunnen worden. Daarnaast besteden we aandacht aan het testen van Large Language Models (LLM’s), prompt-gebaseerde systemen, red teaming, biasdetectie, modeldrift en deployment testing.
De training volgt de officiële ISTQB® CT-AI v2.0 syllabus en combineert theorie met praktische oefeningen. Hierdoor ben je niet alleen goed voorbereid op het certificeringsexamen, maar kun je de opgedane kennis ook direct toepassen binnen AI-projecten in de praktijk.
Doelgroep
Deze training is bedoeld voor professionals die betrokken zijn bij de ontwikkeling, implementatie, validatie of het testen van AI-gebaseerde systemen.
De training is met name geschikt voor:
- Software Testers
- Test Analisten
- Test Engineers
- Test Automation Engineers
- Test Consultants
- Testmanagers
- Quality Assurance Professionals
- Software Developers
- Data Analisten
- Machine Learning Engineers
- Product Owners en Business Analisten die betrokken zijn bij AI-oplossingen
Ook professionals die meer inzicht willen krijgen in de risico’s, kwaliteitsaspecten en testaanpak van AI-systemen zullen veel waarde halen uit deze training.
Programma
1. Introductie tot Artificial Intelligence
- Wat is Artificial Intelligence?
- AI-gebaseerde systemen versus traditionele systemen
- Narrow AI, General AI en Super AI
- Verschillende AI-technologieën
- Generative AI en Large Language Models
- Ontwikkeling en hosting van AI-modellen
- Wet- en regelgeving rondom AI
2. Kwaliteitskenmerken van AI-systemen
- AI-specifieke kwaliteitskenmerken
- Functionele correctheid
- Robuustheid en betrouwbaarheid
- Transparantie en uitlegbaarheid
- Controllability en adaptability
- AI en veiligheid
- Acceptatiecriteria voor AI-systemen
3. Machine Learning Fundamentals
- Machine Learning workflow
- Supervised, Unsupervised en Reinforcement Learning
- Data voorbereiding en datasets
- Pretrained modellen en fine-tuning
- Retrieval Augmented Generation (RAG)
- Neurale netwerken
- ML performance metrics en confusion matrices
4. Testen van AI-gebaseerde systemen
- Specifieke uitdagingen van AI-testing
- Locked versus Adaptive AI-systemen
- Statistische testbenaderingen
- Testorakels voor AI-systemen
- Risicogebaseerd testen van AI-oplossingen
- Testen van Generative AI en LLM’s
- Exploratory testing en Red Teaming
5. Input Data Testing
- Datakwaliteit beoordelen
- Bias en fairness testing
- Representativiteit van datasets
- Data pipelines testen
- Labelvalidatie
- Constraints en datavalidatie
6. Model Testing
- Testen van machine learning modellen
- Overfitting en underfitting
- Adversarial testing
- Metamorphic testing
- A/B testing
- Back-to-back testing
- Model drift detecteren
7. Testing tijdens ontwikkeling en deployment
- Testen binnen de ML-ontwikkelcyclus
- Deployment testing
- Monitoring van modellen in productie
- Onderhoud van AI-systemen
- Risicobeheersing gedurende de levenscyclus
- Duur: 3 dagen
- Tijden: 09:15 – 17:00 uur
- Inclusief digitaal cursusmateriaal, lunch, koffie en thee
- Drie maanden gratis e-coaching na afloop van de training
- Examen niet inbegrepen
- Voor het examen geldt als ingangseis het bezit van het ISTQB® Certified Tester Foundation Level (CTFL) certificaat
- De training wordt verzorgd door een ervaren AI Testing trainer
- Geaccrediteerde training gebaseerd op de officiële ISTQB® CT-AI v2.0 syllabus
Docent: Johan van Berkel