دوره تست فنی خودکار برای Test Automation Deployment همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تست فنی خودکار برای Test Automation Deployment

موضوع کلی: برنامه نویسی

موضوع میانی: تست نرم‌افزار**

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تست نرم‌افزار و تضمین کیفیت
• 2. چرخه حیات توسعه نرم‌افزار (SDLC) و جایگاه تست
• 3. چرخه حیات تست نرم‌افزار (STLC)
• 4. تفاوت تست دستی و تست خودکار
• 5. اهداف و مزایای اتوماسیون تست
• 6. هرم اتوماسیون تست (Test Automation Pyramid)
• 7. انواع تست نرم‌افزار: کارکردی و غیرکارکردی
• 8. آشنایی با نقش مهندس اتوماسیون تست (SDET)
• 9. مبانی برنامه‌نویسی پایتون برای تست‌نویسان
• 10. راه‌اندازی محیط توسعه (Python, IDE, pip)
• 11. مفاهیم کنترل نسخه با Git و GitHub
• 12. آشنایی با خط فرمان (Command Line) برای تست
• 13. مقدمه‌ای بر فریم‌ورک تست Pytest
• 14. نوشتن و اجرای اولین تست با Pytest
• 15. ساختار یک تست‌کیس خودکار: Arrange-Act-Assert
• 16. Assertions در Pytest
• 17. کار با Fixtures در Pytest برای مدیریت وضعیت تست
• 18. Marcadores (Markers) در Pytest برای گروه‌بندی تست‌ها
• 19. مقدمه‌ای بر تست وب (Web UI Testing)
• 20. آشنایی با Selenium WebDriver
• 21. مبانی HTML و CSS برای تست خودکار
• 22. استراتژی‌های مکان‌یابی عناصر وب (Locators)
• 23. کار با XPath و CSS Selectors
• 24. تعامل با عناصر وب: کلیک، ورود متن و خواندن مقدار
• 25. مدیریت انتظارهای صریح و ضمنی (Explicit and Implicit Waits)
• 26. مقدمه‌ای بر ابزار Playwright به عنوان جایگزین مدرن Selenium
• 27. معرفی الگوی طراحی Page Object Model (POM)
• 28. پیاده‌سازی POM در یک پروژه نمونه
• 29. مقدمه‌ای بر تست API
• 30. مبانی پروتکل HTTP: متدها، کدها و هدرها
• 31. ارسال درخواست‌های API با کتابخانه Requests در پایتون
• 32. کار با فرمت‌های داده JSON و XML
• 33. اعتبارسنجی پاسخ‌های API (Schema and Content Validation)
• 34. احراز هویت و مدیریت توکن‌ها در تست API
• 35. تکنیک‌های تست داده‌محور (Data-Driven Testing)
• 36. استفاده از فایل‌های CSV و JSON به عنوان منبع داده
• 37. پارامتری کردن تست‌ها در Pytest
• 38. مقدمه‌ای بر توسعه رفتارمحور (BDD)
• 39. آشنایی با Gherkin و ساختار Feature File
• 40. پیاده‌سازی BDD با فریم‌ورک Behave یا Pytest-BDD
• 41. مدیریت تنظیمات و محیط‌های مختلف (Dev, Staging, Prod)
• 42. کار با فایل‌های پیکربندی (config files)
• 43. مدیریت اطلاعات حساس (Secrets Management)
• 44. اجرای موازی تست‌ها برای افزایش سرعت
• 45. گزارش‌گیری پیشرفته با Allure Report
• 46. یکپارچه‌سازی Allure با Pytest
• 47. لاگ‌گیری (Logging) در تست‌های خودکار
• 48. مدیریت خطاها و استثناها (Exception Handling)
• 49. کار با iFrame‌ها و پنجره‌های چندگانه در تست وب
• 50. مدیریت آپلود و دانلود فایل
• 51. شبیه‌سازی اقدامات کاربر (Mouse Actions, Keyboard Events)
• 52. تست پایگاه داده (Database Testing)
• 53. اتصال به پایگاه داده و اجرای کوئری‌ها
• 54. اعتبارسنجی داده‌ها در پایگاه داده
• 55. مقدمه‌ای بر تست غیرکاربردی (Non-Functional Testing)
• 56. مفاهیم پایه تست عملکرد (Performance Testing)
• 57. آشنایی با ابزار Locust برای تست بار
• 58. نوشتن اسکریپت‌های تست بار با پایتون
• 59. مقدمه‌ای بر تست امنیت (Security Testing)
• 60. آشنایی با OWASP Top 10
• 61. استفاده از ابزارهای اسکن آسیب‌پذیری اولیه
• 62. تست رگرسیون بصری (Visual Regression Testing)
• 63. مقدمه‌ای بر تست اپلیکیشن‌های موبایل
• 64. آشنایی با فریم‌ورک Appium
• 65. مفاهیم پایه مجازی‌سازی و کانتینرسازی
• 66. آشنایی با Docker و مفاهیم Image و Container
• 67. داکرایز کردن اپلیکیشن تحت تست
• 68. داکرایز کردن مجموعه تست‌های خودکار
• 69. استفاده از Docker Compose برای ارکستراسیون محیط تست
• 70. مقدمه‌ای بر یکپارچه‌سازی و تحویل مداوم (CI/CD)
• 71. آشنایی با مفاهیم CI/CD Pipeline
• 72. معرفی ابزار Jenkins
• 73. ساخت اولین پایپ‌لاین CI با Jenkins
• 74. معرفی GitHub Actions
• 75. ساخت اولین پایپ‌لاین با GitHub Actions
• 76. پیکربندی اجرای خودکار تست‌ها در پایپ‌لاین
• 77. استراتژی‌های اجرای تست در CI (On-commit, Nightly)
• 78. ادغام گزارش تست در پایپ‌لاین CI/CD
• 79. مدیریت شکست تست‌ها در پایپ‌لاین
• 80. مقدمه‌ای بر زیرساخت به عنوان کد (Infrastructure as Code)
• 81. آشنایی با ابزارهایی مانند Terraform یا Ansible
• 82. ایجاد محیط‌های تست پویا (On-demand Test Environments)
• 83. مقدمه‌ای بر Selenium Grid برای اجرای توزیع‌شده تست‌ها
• 84. راه‌اندازی Selenium Grid با استفاده از Docker
• 85. آشنایی با ابزارهای مبتنی بر ابر برای تست (Sauce Labs, BrowserStack)
• 86. تست قرارداد (Contract Testing) با ابزار Pact
• 87. Mocking و Stubbing در تست‌ها
• 88. تست کامپوننت (Component Testing)
• 89. استراتژی مدیریت داده‌های تست (Test Data Management)
• 90. روش‌های تولید و پاک‌سازی داده‌های تست
• 91. کنترل کیفیت کد تست (Test Code Quality)
• 92. استفاده از Linter و Formatter برای کد تست
• 93. بازبینی کد (Code Review) برای اسکریپت‌های تست
• 94. تحلیل و مدیریت تست‌های ناپایدار (Flaky Tests)
• 95. معیارها و شاخص‌های کلیدی عملکرد (KPIs) برای اتوماسیون تست
• 96. محاسبه بازگشت سرمایه (ROI) در اتوماسیون تست
• 97. استراتژی جامع اتوماسیون تست در سازمان
• 98. ادغام تست‌های خودکار در فرآیند DevOps (TestOps)
• 99. نقش هوش مصنوعی (AI) در آینده تست نرم‌افزار
• 100. روندهای نوظهور در اتوماسیون تست