ISTQB® Testeur certifié Intelligence Artificielle — Certification CT-AI

Module 1 — Introduction à l'IA

• Types d'IA : IA étroite (narrow AI), IA générale (AGI) et super IA
• L'IA en tant que service (AIaaS)
• Normes et réglementations applicables aux systèmes IA
• Flexibilité, adaptabilité et autonomie des systèmes IA

Module 2 — Caractéristiques de qualité des systèmes IA

• Biais, éthique et sécurité dans les systèmes IA
• Transparence, interprétabilité et explicabilité

Module 3 — Vue d'ensemble du Machine Learning (ML)

• Workflow ML et sélection des algorithmes
• Surajustement (overfitting) et sous-ajustement (underfitting)

Module 4 — ML – Données

• Ensembles de données d'entraînement, de validation et de test
• Problèmes de qualité des données et leurs effets sur les modèles ML
• Étiquetage des données et approches associées

Module 5 — Mesure des performances fonctionnelles du ML

• Matrice de confusion et indicateurs de performance en ML
• Limites et suites de tests pour les modèles de ML

Module 6 — ML — Réseaux neuronaux et tests

• Introduction aux réseaux neuronaux artificiels
• Mise en œuvre d'un perceptron simple
• Mesures de couverture pour les réseaux neuronaux

Module 7 — Test des systèmes basés sur l'IA — Vue d'ensemble

• Niveaux de spécification et de test des systèmes IA
• Données de test et approches spécifiques à l'IA
• Test des biais d'automatisation

Module 8 — Tester les caractéristiques de qualité IA

• Défis liés aux tests des systèmes autonomes
• Gestion des biais algorithmiques et de la complexité
• Méthodologies de test pour les systèmes IA complexes

Module 9 — Méthodes et techniques de test des systèmes IA

• Attaques adverses et empoisonnement des données
• Tests par paire, dos à dos, A/B et métamorphiques
• Critères de sélection des techniques de test

Module 10 — Environnements de test pour les systèmes IA

• Configuration et considérations spécifiques aux environnements de test IA
• Environnements de test virtuels pour les tests d'IA

Module 11 — Utilisation de l'IA pour les tests

• Technologies IA au service des activités de test
• IA appliquée à l'analyse des défauts et à la génération de cas de test
• IA pour la prédiction des défauts et les tests IHM

Module 12 — Préparation à l'examen de certification

• Révision des concepts clés du syllabus CT-AI
• QCM d'entraînement et consolidation des acquis