Konferenciánk a legjobb tesztelési gyakorlatokat és előremutató tesztelési stratégiákat hivatott bemutatni nagyvállalatok szakemberei által bemutatott esettanulmányok alapján. 

2024-ben is még releváns kérdés az agilis alapú tesztelés, de szó lesz az AI és a szoftvertesztelés kapcsolatáról is, azaz milyen AI eszközöket és miként lehet bevonni a szoftvertesztelés folyamatába.

A rendezvény várható témakörei:

• Tesztautomatizálás vs. manuális szoftvertesztelés
• In the Driver’s Seat of Quality: Navigating Excellence with Exploratory Testing
• Szoftverminőség biztosítási folyamata
• Time-to-market minőség és alapos tesztelés
• Mesterséges Intelligencia és a szoftvertesztelés kapcsolata
• Korai tesztelés megrendelői oldalról
• Zárt láncú interaktív tesztkeretrendszer koncepció kidolgozása autóipari beágyazott rendszerek fejlesztésének támogatása céljából.
• Szoftvertesztelés a Cybersecurity előírások szempontjából
• Gyorsan változó technológiák a szoftvertesztelésben
• A felmerült témakörökre előadóként közép-és nagyvállalatok szoftvertesztelésben érintett szakembereit, vezetőit várjuk magas szintű vállalati esettanulmányok bemutatásával. 

Konferenciánk eddigi szakemberei:

• Bakos Sándor, Devops és Fejlesztés Technológiák Szakterület Vezetője, K&H Csoport
• Bakos Károly Livius, tesztkörnyezet fejlesztő, Robert Bosch Kft.
• habil. Beszédes Árpád, egyetemi docens, Szegedi Tudományegyetem
• Kreisz József, Kompetencia menedzser, L&P Solutions Kft.
• Májer János, Group Leader, Continental Automotive Hungary Kft.
• Mészáros Imre, V&V stratégista, expert, Robert Bosch Kft.
• Nádas Zoltán, vezető R&D mérnök, Continental Automotive Hungary Kft.
• Pammer Péter, csoportvezető, Continental Automotive Hungary Kft.

Rendezvényünk szólni kíván:

• Szoftvertesztelőknek
• Tesztmenedzsereknek
• Tesztkoordinátoroknak
• Tesztelési vezetőknek
• Szoftvertervező és szoftverfejlesztőknek
• Rendszertesztelőknek
• Tesztmérnököknek
• IT igazgatóknak, vezetőknek
• IT projektvezetőknek
• IT fejlesztési vezetőknek, menedzsereknek
• Informatikai szakembereknek

Együttműködő partnerünk:

Médiapartnerünk:

Fókuszban a hatósági elvárások, határidők, az ellenőrzés folyamata és a szankcionálás, valamint a vállalati felkészülés

A rendezvény főbb témái:

• NIS2 Európai irányelv pillérei
• Az új Kiberbiztonsági törvénysarkalatos pontjai
• Kiket érinta kibervédelmi szabályozás közvetlenül és közvetve?
• Regisztrációs kötelezettség és tartalmi elemei
• A regisztráció menete, eddigi tapasztalatai
• Mik a hátralévő feladatoka megfelelés kapcsán? Rövid és középtávú feladatok
• Kötelező auditok folyamata
• Elvárások, határidők- Szabályozói Felügyeleti hatósági szerepkör: SZTFH tájékoztató
• Ellenőrzések, szankcionálás, büntetések, bírságolás mértéke
• A Nemzeti Kibervédelmi Intézet incidenskezelési tanácsai
• Az adatvédelem, adatbiztonság és a NIS2 követelményeinek összehasonlítása
• Eddigi vállalati tapasztalatok, gyakorlatok– vállalati felkészülés: ki hol tart jelenleg?

Konferenciánk szakemberei:                       

• Almádi János, Kiberbiztonsági szakértő,mesterséges intelligencia és technológiai jogi szakokleveles szakember
• Baranyai Csaba, Vezető audit szakértő, CISA, távközlési villamosmérnök, okl. biztonságtechnikai mérnök
• Bölcskei Krisztián, LL.M,Vezető adatvédelmi tanácsadó, mesterséges intelligencia és technológiai jogi szakjogász
• Jambrik Gergely, Vezető ügyvéd,Jambrik Ügyvédi Iroda
• Király Anna, Informatikai biztonsági mérnök Kiberbiztonsági Igazgatóság,Szabályozott Tevékenységek Felügyeleti Hatósága
• Szabó Lajos, Igazgató Nemzetbiztonsági Szakszolgálat, Nemzeti Kibervédelmi Intézet
• Zentai Nóra, Minőség- és folyamatmenedzsment vezető,Rail Cargo Hungaria Zrt.                                

Médiapartner:

MI-t használó szoftverek tesztelése & MI alkalmazás a hatékonyabb tesztelésért

Az AI egyre népszerűbbé válik a szoftvertesztelés folyamatában. Egyre gyakrabban alkalmazzák az AI-t például tesztesetek generálására, vagy akár az AI-alapú megoldások a tesztelési scriptek automatikus javítására is képesek. 

Az AI előretörésével gyorsíthatók a tesztelési folyamatok, sőt azok pontossága is javítható, hatékonyabbak lehetnek a tesztelési eljárások. 

A workshop résztvevői betekintést kapnak a Mesterséges Intelligencia (MI) és a szoftvertesztelés kapcsolatának világába: 

• az MI-t használó szoftvereket hatékonyan tesztelő módszerekbe, 
• de az MI alkalmazását a tesztelés hatékonyabbá tételéhez is érintjük(Test4AI és AI4Test). 

A Python egy széles körben használt programozási nyelv.  Egy sokrétű eszközről beszélünk, amely jól használható számos munkakörnyezetben és területen: a strartupoktól kezdve a középvállalatokon át az egészen nagy multinacionális vállalatokig. A Python programozási nyelv könnyen elsajátítható és sokadik programozási nyelvként is érdemes megtanulni. További nagy előnye még a platformfüggetlenség.

Képzésünkön garantáltan megtanulja az adatelemzés és adattisztítás kérdéseit a programban definiált programpontok mentén.

4 napon keresztül napi 3 óra interaktív online képzés – nem szakad ki hosszú időre és teljes napokra a munkából, de tréningünk hatékonyan, interaktív formában nyújt lehetőséget arra, hogy maximálisan elsajátítsa a Python alapjait. 

A Python egy széles körben használt programozási nyelv.  Egy sokrétű eszközről beszélünk, amely jól használható számos munkakörnyezetben és területen: a strartupoktól kezdve a középvállalatokon át az egészen nagy multinacionális vállalatokig. A Python programozási nyelv könnyen elsajátítható és sokadik programozási nyelvként is érdemes megtanulni. További nagy előnye még a platformfüggetlenség.

Képzésünkön garantáltan megtanulja az adatelemzés és adattisztítás kérdéseit a programban definiált programpontok mentén.

4 napon keresztül napi 3 óra interaktív online képzés – nem szakad ki hosszú időre és teljes napokra a munkából, de tréningünk hatékonyan, interaktív formában nyújt lehetőséget arra, hogy maximálisan elsajátítsa a Python alapjait. 

1. Fejezet - Adatvizualizáció, diagramok készítése – Matplotlib könyvtár

2. Fejezet - Statisztikai adatelemzés – Pandas, Matplotlib, Seaborn, SciPy könyvtárak

3. Fejezet - Gyorsabb kalkulációk többdimenziós tömbökkel – NumPy könyvtár

4. Fejezet - Előrejelzések, predikciók készítése Gépi Tanulással (Machine Learning) I. – Scikit-Learn könyvtár

5. Fejezet - Előrejelzések, predikciók készítése Gépi Tanulással (Machine Learning) II. – Scikit-Learn könyvtár