Basiswissen KI-Testen

Qualitätssicherung in KI-basierten System damit KI-Projekte nicht scheitern

• Zahlreiche Beispiele aus verschiedenen Branchen
• Viele praktische Übungen mit Beispiellösungen
• Mit Exkursen auf Basis industrieller Projekterfahrungen

Umfragen in der Industrie zeigen deutlich: KI-Projekte scheitern häufiger als angenommen. Eine kontinuierliche Qualitätssicherung für KI-basierte Systeme ist daher unabdingbar.

Das Autorenteam bietet einen fundierten Überblick und einen praxisnahen Einstieg in die Konzepte, Best Practices, Problemstellungen und Lösungsansätze rund um die Qualitätssicherung von und mit KI-basierten Systemen. Im Einzelnen werden behandelt:

• Einführung in KI
• Qualitätsmerkmale KI-basierter Systeme
• Maschinelles Lernen (ML)
• ML-Daten
• Funktionale Leistungsmetriken
• Neuronale Netze und Testen
• Testen KI-basierter Systeme
• Testen KI-spezifischer Qualitätsmerkmale
• Methoden und Verfahren für das Testen KI-basierter Systeme
• Testumgebungen für KI-basierte Systeme
• Einsatz von KI beim Testen

Das Buch enthält mehrere Exkurse, z.B. »ChatGPT als Teammitglied?«, Praxisbeispiele und zu vielen Kapiteln auch praktische Übungen, wobei die Lerninhalte durch Codebeispiele und Programmierübungen in Python veranschaulicht werden. Die Aufgaben und Lösungen sind als Jupyter Notebooks auf GitHub verfügbar.

Das Buch orientiert sich am ISTQB®-Syllabus »Certified Tester AI Testing« (CT-AI) und eignet sich daher nicht nur bestens zur Prüfungsvorbereitung, sondern dient gleichzeitig als kompaktes Grundlagenwerk zu diesen Themen in der Praxis und an Hochschulen.

Autorentext
Verena Dietrich hat an der Friedrich-Alexander-Universität Erlangen-Nürnberg Integrated Life Sciences studiert. In ihrem Masterstudium wählte sie Vorlesungen aus den Bereichen Bioinformatik, biologisch inspirierte Algorithmen und maschinelles Lernen. Von 2019 bis 2021 war sie bei der imbus AG als Softwaretesterin und Trainerin für die A4Q-Schulung KI-Testen tätig. Als Mitglied im KI-Team hat sie mit Nils und Gerhard die Arbeiten an diesem Buch begonnen und auch nach ihrem Wechsel in die Bioinformatik mit großem Engagement fortgeführt.

Klappentext

Qualitätssicherung in KI-basierten System - damit KI-Projekte nicht scheitern

• Zahlreiche Beispiele aus verschiedenen Branchen
• Viele praktische Übungen mit Beispiellösungen
• Mit Exkursen auf Basis industrieller Projekterfahrungen
  Umfragen in der Industrie zeigen deutlich: KI-Projekte scheitern häufiger als angenommen. Eine kontinuierliche Qualitätssicherung für KI-basierte Systeme ist daher unabdingbar.

Das Autorenteam bietet einen fundierten Überblick und einen praxisnahen Einstieg in die Konzepte, Best Practices, Problemstellungen und Lösungsansätze rund um die Qualitätssicherung von und mit KI-basierten Systemen. Im Einzelnen werden behandelt:

• Einführung in KI
• Qualitätsmerkmale KI-basierter Systeme
• Maschinelles Lernen (ML)
• ML-Daten
• Funktionale Leistungsmetriken
• Neuronale Netze und Testen
• Testen KI-basierter Systeme
• Testen KI-spezifischer Qualitätsmerkmale
• Methoden und Verfahren für das Testen KI-basierter Systeme
• Testumgebungen für KI-basierte Systeme
• Einsatz von KI beim Testen

Das Buch enthält mehrere Exkurse, z.B. »ChatGPT als Teammitglied?«, Praxisbeispiele und zu vielen Kapiteln auch praktische Übungen, wobei die Lerninhalte durch Codebeispiele und Programmierübungen in Python veranschaulicht werden. Die Aufgaben und Lösungen sind als Jupyter Notebooks auf GitHub verfügbar.

Das Buch orientiert sich am ISTQB®-Syllabus »Certified Tester AI Testing« (CT-AI) und eignet sich daher nicht nur bestens zur Prüfungsvorbereitung, sondern dient gleichzeitig als kompaktes Grundlagenwerk zu diesen Themen in der Praxis und an Hochschulen.