Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

Bir LLM'e mevcut fonksiyonu verip 'bunun için birim testi yaz' dediğinizde, model genellikle kodun içindeki hatayı da doğru kabul eden, yalnızca satır kapsamını (line coverage) şişiren yüzeysel testler üretir. Bu eğitim, yapay zekayı spesifikasyondan ve sınır değerlerden beslenen, gerçekten hata yakalayan bir test mühendisliği aracına dönüştürür.

Spesifikasyon/kabul kriteri tabanlı TDD akışı, sınır değer ve denklik sınıfı üretimi, aşırı mock kullanımından kaçınma, property-based testing (Hypothesis, fast-check, jqwik), Testcontainers ile entegrasyon testleri ve mutasyon testi (Stryker, mutmut, PIT) ile test kalitesi ölçümü uygulamalı olarak işlenir.

Kimler Katılmalı?

  • Backend, frontend ve full-stack yazılım geliştiriciler
  • SDET ve test otomasyonu geliştiren yazılım mühendisleri
  • Teknik takım liderleri
  • Ön koşul: En az bir birim test çatısında (JUnit, xUnit, pytest, Vitest/Jest vb.) deneyim

Kazanımlar

  • Kodu değil gereksinimi baz alarak uygulamadaki mantık hatalarını ortaya çıkaran testler üretir
  • Sınır değer, null/boş girdi, zaman dilimi, taşma ve eşzamanlılık edge case'lerini sistematik olarak kapsar
  • Kırılgan mock yığınları yerine temiz test double, fake ve Testcontainers entegrasyon testleri kurar
  • Property-based testing ile yüzlerce rastgele girdi üzerinde değişmez (invariant) kuralları doğrular
  • Mutasyon testi skorlarıyla sahte güvenlik hissi veren zayıf assertion'ları tespit edip güçlendirir

Konular

AI Test Üretiminin Tuzağı: Kapsam (Coverage) vs. Hata Yakalama
  • Uygulama kodundan türetilen testlerin neden mevcut bug'ları onayladığı (tautological tests)
  • Spesifikasyon, fonksiyon imzası ve kabul kriterinden test üretme (AI-assisted TDD)
Sınır Değerler, Negatif Senaryolar ve Edge Case Keşfi
  • Denklik sınıfları, sınır değer analizi, Unicode/dil, saat dilimi ve yuvarlama hataları
  • Parametrik (table-driven) test şablonlarıyla okunabilir test matrisleri oluşturma
Mock Disiplini, Entegrasyon ve Sözleşme (Contract) Testleri
  • Aşırı mock'lanmış kırılgan testler yerine in-memory fake ve Testcontainers kullanımı
  • OpenAPI/JSON Schema ve API sözleşme testlerinin otomatik üretimi
Property-Based Testing ve Fuzzing
  • Hypothesis, fast-check veya jqwik ile girdi üreteçleri (arbitraries) ve invariant tanımlama
  • Serileştirme, ayrıştırma (parser) ve finansal hesaplama fonksiyonlarında köşe durumu avı
Mutasyon Testi ile Test Kalitesinin Doğrulanması
  • Stryker, mutmut veya PIT ile kodda yapay mutasyonlar oluşturup hayatta kalan mutantları bulma
  • Hayatta kalan mutantları coding agent'a vererek eksik assertion'ları tamamlama döngüsü

Bu Kategorideki Diğer Eğitimler

  • Kanıta Dayalı Hata Ayıklama

    Rastgele prompt denemeleri yerine log, stack trace, OpenTelemetry izleri, git bisect ve en küçük tekrarlanabilir örnek (MRE) kanıtlarıyla hipotez kurarak karmaşık yazılım hatalarını çözme eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Yapay Zeka ile Teknik Dokümantasyon

    Kod tabanından beslenen yaşayan teknik dokümantasyon: Mimari Karar Kayıtları (ADR), C4/Mermaid diyagramları, OpenAPI/SDK referansları, onboarding kılavuzları ve CI/CD içinde doküman güncellik kontrolü.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Kod Tabanlarında Context Mühendisliği

    Büyük ve monorepo kod tabanlarında coding agent'ların doğru kod üretmesi için AST tabanlı indeksleme, semantik/leksikal arama, bağımlılık grafiği, AGENTS.md/CLAUDE.md hiyerarşisi ve context window bütçeleme eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Güvenli Kod İncelemesi

    Yapay zeka ve insan tarafından yazılan kodlarda OWASP Top 10, yetkilendirme açıkları, uydurma paket (slopsquatting), gizli anahtar sızıntısı ve güvensiz varsayılanları SAST (Semgrep, CodeQL) ve LLM destekli incelemeyle yakalama eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Kurumsal Yapay Zeka Kodlama Politikaları

    Yazılım organizasyonları için yapay zeka kodlama araçlarının veri gizliliği (ZDR), fikri mülkiyet, açık kaynak lisans uyumu, onaylı model/MCP listeleri, risk kademelendirmesi ve kabul standartlarını belirleyen yönetişim eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Yapay Zeka Destekli SDLC Tasarımı

    Kod üretim hızı arttığında oluşan inceleme, test ve güvenlik darboğazlarını çözen; gereksinim, mimari, geliştirme, PR review, CI/CD, QA ve operasyon aşamalarını yeniden kurgulayan uçtan uca AI-native SDLC eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
    İncele

Bizimle iletişime geçin