人工智能测试工程师培训课程时间安排
（总课时 19.5 小时 · 3 天课程 · 基于 Syllabus v2.0）
第 1 天 · 人工智能基础与机器学习入门
第 1 章 人工智能导论：
1、基于 AI 的系统 vs 传统系统
2、窄 AI/通用 AI/超级 AI
3、AI 技术类型
4、生成式 AI（GenAI）
5、硬件与开发框架
第 2 章 基于 AI 的系统的质量特性
1、ISO/IEC 25059 AI 专用质量特性
2、安全相关系统的特殊考虑
第 3 章 机器学习：
1、机器学习形式（监督/无监督/强化）
2、ML 工作流 · 数据准备与探索性数据分析（EDA）
3、训练/验证/测试数据集
4、神经网络结构与工作原理 · 混淆矩阵与性能度量（准确率/精确率/召回率/F1）
动手练习：创建 ML 模型 & 数据准备实践
第 2 天 · 机器学习进阶与 AI 系统测试
第 3 章 机器学习
1、预训练模型 · 微调（Fine-tuning）
2、RAG 检索增强生成
3、神经网络覆盖度量（神经元覆盖/K区间/边界覆盖）
动手练习：使用选定的机器学习功能性能指标对机器学习模型进行评估
第 4 章 测试基于 AI 的系统
1、锁定式 vs 自适应式 AI 系统 · 统计测试方法的必要性
2、测试预言问题与解决方案
3、生成式 AI（GenAI）测试方法
4、大语言模型（LLM）测试 · 红队测试（Red Teaming）实施
5、测试级别（组件/集成/系统/验收）
第 5 章 输入数据测试
1、机器学习系统基于风险的测试
2、输入数据风险与缓解
3、偏差测试（差异性影响分析）
动手练习：LLM 探索性测试&输入数据测试
第 3 天 · 输入数据测试、模型测试与部署
第 5 章 输入数据测试（二）
1、数据管道测试 · 数据代表性测试 · 数据集约束测试
2、标签正确性测试（多重标注/专家评审）
第 6 章 机器学习系统模型测试
1、ML 模型风险与缓解
2、模型文档化与评审（Model Cards）
3、ML 功能性能测试（概率性系统统计方法）
4、对抗性测试 · 蜕变测试（Metamorphic Testing）原理与推导
5、漂移测试（数据漂移/概念漂移）
6、过拟合与欠拟合检测 · A/B 测试 · 背靠背测试
第 7 章 机器学习开发测试 + 课程总结
1、部署测试（金丝雀/影子/API/回滚）
2、开发风险缓解 · 整体复习与答疑
动手练习：感知机的实现过程&蜕变测试（Metamorphic Testing）实践
文件下载：
培训咨询服务联系：马老师 13391829961（微信同步）
⏱ 总教学时长：19.5 小时 （含 7 个动手练习环节）
（第 1 章 120min · 第 2 章 45min · 第 3 章 375min · 第 4 章 195min · 第 5 章 180min · 第 6 章 225min · 第 7章 30min）
注：时间安排可根据实际培训节奏微调 · 动手练习基于 H1/H2 级别实践目标设计 · 符合 ISTQB® CT-AI v2.0 教学大纲
