|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/istqb-ai-testing-sample-exams/
课程评论：没有评论
课程名称：ISTQB AI 测试示例考试 2025 课程概述： 本课程旨在为 ISTQB CT-AI 认证考试提供准备。课程将帮助您系统地学习考试大纲的每一个部分，并通过丰富的示例问题来检验您的知识掌握程度。通过本课程的学习，您可以确信自己已准备好，能够应对考试中的各类内容。 课程内容结构如下，与考试大纲保持一致： 1. **AI 导论** * AI 的定义及 AI 效应 * 狭义 AI、通用 AI 和超 AI * AI 驱动系统与传统系统 * AI 技术 * AI 开发框架 * AI 驱动系统的硬件 * AI 即服务 (AIaaS) * 预训练模型 * AI 的标准、法规及相关考量 2. **AI 驱动系统的质量特性** * 灵活性与适应性 * 自主性 * 演进性 * 偏见 (Bias) * 伦理 (Ethics) * 副作用与奖励黑客 (Reward Hacking) * 透明度、可解释性与说明性 * 安全性与 AI 3. **机器学习 (ML) - 概述** * 机器学习的各种形式 * 机器学习工作流程 * 如何选择机器学习形式 * 机器学习算法选择相关因素 * 过拟合与欠拟合 4. **机器学习 (ML) - 数据** * 数据准备在机器学习工作流程中的作用 * 训练集、验证集和测试集在机器学习工作流程中的应用 * 数据集的质量问题 （课程内容涵盖以上章节，并可能包含其他相关主题，以全面覆盖 CT-AI 考试大纲。）
This course is preparation for CT-AI exam, it will help you go through all the sections of syllabus with sample questions You can verify your knowledge for every type of content provided to pass exam.Course is sorted like syllabus sections:1. Introduction to AI1.1 Definition of AI and AI Effect1.2 Narrow, General and Super AI1.3 AI-Based and Conventional Systems1.4 AI Technologies1.5 AI Development Frameworks1.6 Hardware for AI-Based Systems1.7 AI as a Service (AIaaS)1.8 Pre-Trained Models1.9 Standards, Regulations and AI2. Quality Characteristics for AI-Based Systems2.1 Flexibility and Adaptability2.2 Autonomy2.3 Evolution2.4 Bias2.5 Ethics2.6 Side Effects and Reward Hacking2.7 Transparency, Interpretability and Explainability2.8 Safety and AI3. Machine Learning (ML) - Overview3.1 Forms of ML3.2 ML Workflow3.3 Selecting a Form of ML3.4 Factors Involved in ML Algorithm Selection3.5 Overfitting and Underfitting4. ML - Data4.1 Data Preparation as Part of the ML Workflow4.2 Training, Validation and Test Datasets in the ML Workflow4.3 Dataset Quality Issuesand other
