BEGIN:VCALENDAR VERSION:2.0 PRODID:-//Expert Team Tunisie - ECPv6.16.4//NONSGML v1.0//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALNAME:Expert Team Tunisie X-ORIGINAL-URL:https://www.expertunisie.com X-WR-CALDESC:Évènements pour Expert Team Tunisie REFRESH-INTERVAL;VALUE=DURATION:PT1H X-Robots-Tag:noindex X-PUBLISHED-TTL:PT1H BEGIN:VTIMEZONE TZID:Africa/Tunis BEGIN:STANDARD TZOFFSETFROM:+0100 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20250101T000000 END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTART;TZID=Africa/Tunis:20260606T090000 DTEND;TZID=Africa/Tunis:20260620T150000 DTSTAMP:20260620T150650 CREATED:20260106T143201Z LAST-MODIFIED:20260117T104935Z UID:11952-1780736400-1781967600@www.expertunisie.com SUMMARY:A4Q Sélénium DESCRIPTION:Certification internationale dédiée à l’automatisation des tests web et à la spécialisation en test logiciel.Formation 100 % pratique d’une durée de 5 jours\, basée sur l’utilisation des outils Selenium\, Java\, Git\, Maven et JUnit. \n\nProgramme de la formation\nLe programme de la formation est une alternance entre la théorie 20 % et la pratique 80 %. \n\n1. Concepts de l’automatisation \n1.1 Pourquoi automatiser ? \n1.2 Facteurs de succès de l’automatisation \n1.3 Bénéfices et limites de l’automatisation \n1.4 Comment choisir les tests à automatiser ? \n1.5 Approches de l’automatisation \n\n2. Introduction à Selenium et au test automatisé \n2.1 Présentation de Selenium WebDriver et de son rôle dans l’automatisation des tests \n2.2 Compréhension des principes fondamentaux du test automatisé \n2.3 Introduction aux principes de BDD et de Cucumber \n\n3. Configuration de l’environnement de développement \n3.1 Installation et configuration de Java JDK \n3.2 Configuration de l’IDE (Eclipse\, IntelliJ IDEA) \n3.3 Configuration de Maven pour la gestion des dépendances et la construction du projet \n\n4. Configuration du projet pratique avec Maven \n4.1 Création d’un nouveau projet Maven \n4.2 Ajout des dépendances nécessaires pour Selenium WebDriver et Cucumber dans le fichier xml \n4.3 Organisation du projet en utilisant des packages et des répertoires \n\n5. Mise en place des étapes de test avec des classes de définition de pas \n5.1 Création de classes de définition de pas en Java pour lier les étapes de test aux scénarios BDD \n5.2 Utilisation des annotations Cucumber pour marquer les méthodes comme correspondant à des étapes de Gherkin \n\n6. Configuration de Selenium WebDriver \n6.1 Initialisation de l’instance WebDriver dans le framework de test \n6.2 Configuration des options du pilote (gestion des options de navigateur\, gestion des attentes\, etc.) \n6.3 Utilisation de Page Object Model (POM) pour organiser les interactions avec les éléments de la page \n\n7. Exécution des tests et génération de rapports \n7.1 Exécution des tests automatisés à l’aide de JUnit ou TestNG \n7.2 Utilisation de plugins Maven pour exécuter les tests et générer des rapports \n7.3 Configuration de rapports HTML pour visualiser les résultats des tests \n\n8. Intégration continue et déploiement continu (CI/CD) \n8.1 Intégration de tests automatisés dans un pipeline CI/CD avec des outils tels que Jenkins \n8.2 Configuration de la compilation automatique et de l’exécution des tests à chaque déploiement \n\n9. Gestion des données de test avec Cucumber \n9.1 Utilisation de tables et de paramètres dans les scénarios pour fournir différentes données de test \n9.2 Intégration avec des sources de données externes (CSV\, Excel\, bases de données) \n\n10. Bonnes pratiques et astuces \n10.1 Organisation du code de test pour une maintenabilité et une extensibilité maximales \n10.2 Utilisation de l’injection de dépendances pour rendre le code plus modulaire \n10.3 Gestion des éléments dynamiques et des attentes dans les tests \n\n11. Workshop \n11.1 Automatisation avec la méthode capture / play back \n11.2 Automatisation avec Selenium WebDriver : script linéaire \n11.3 Automatisation avec Selenium WebDriver en utilisant le Design Pattern PO \n11.4 Automatisation avec Selenium WebDriver en utilisant l’approche test pilotée par les données et les mots-clés : initiation à Robot Framework URL:https://www.expertunisie.com/voir_formation/a4q-selenium-6/ CATEGORIES:Tests Logiciels END:VEVENT BEGIN:VEVENT DTSTART;TZID=Africa/Tunis:20260613T090000 DTEND;TZID=Africa/Tunis:20260627T150000 DTSTAMP:20260620T150650 CREATED:20260106T143201Z LAST-MODIFIED:20260117T105015Z UID:11951-1781341200-1782572400@www.expertunisie.com SUMMARY:ISTQB Niveau Foundation DESCRIPTION:Certification internationale très demandée et reconnue sur le marché de l’emploi.Formation de 5 jours\, comprenant 4 jours de cours et 1 journée de workshop pratique sur les outils JIRA et XRAY\, avec 6 examens blancs pour une préparation optimale à l’examen. \n\nProgramme de la formation\n1. Fondamentaux des tests \n1.1 Que sont les tests ? \n\n\n1.1.1 Objectifs habituels des tests \n\n\n1.1.2 Test et débogage \n\n\n1.2 Pourquoi les tests sont-ils nécessaires \n\n\n1.2.1 Contribution des tests au succès \n\n\n1.2.2 Test et assurance qualité \n\n\n1.2.3 Erreurs\, défauts et défaillances \n\n\n1.3 Principes du test \n1.4 Activités de test\, testware et rôles dans le test \n\n\n1.4.1 Activités et tâches de test \n\n\n1.4.2 Le processus de test selon le contexte \n\n\n1.4.3 Testware \n\n\n1.4.4 Traçabilité entre base de test et testware \n\n\n1.4.5 Rôles dans le test \n\n\n1.5 Compétences essentielles et bonnes pratiques en matière de test \n\n\n1.5.1 Compétences génériques requises pour le test \n\n\n1.5.2 Approche équipe intégrée \n\n\n1.5.3 Indépendance du test \n\n\n\n2. Tester tout au long du cycle de vie du développement logiciel \n2.1 Tester dans le contexte d’un cycle de vie du développement logiciel \n\n\n2.1.1 Impact du cycle de vie du développement logiciel sur le test \n\n\n2.1.2 Cycle de vie du développement logiciel et bonnes pratiques de test \n\n\n2.1.3 Le test en tant que moteur du développement de logiciels \n\n\n2.1.4 DevOps et tests \n\n\n2.1.5 Approche shift left \n\n\n2.1.6 Rétrospectives et amélioration de processus \n\n\n2.2 Niveaux de test et types de test \n\n\n2.2.1 Niveaux de test \n\n\n2.2.2 Types de test \n\n\n2.2.3 Test de confirmation et test de régression \n\n\n2.3 Test de maintenance \n\n3. Tests statiques \n3.1 Bases des tests statiques \n\n\n3.1.1 Produits d’activités examinables par le test statique \n\n\n3.1.2 Valeur du test statique \n\n\n3.1.3 Différences entre le test statique et le test dynamique \n\n\n3.2 Processus de feedback et de revue \n\n\n3.2.1 Bénéfices d’un feedback précoce et fréquent des parties prenantes \n\n\n3.2.2 Activités du processus de revue \n\n\n3.2.3 Rôles et responsabilités dans les revues \n\n\n3.2.4 Types de revues \n\n\n3.2.5 Facteurs de réussite des revues \n\n\n\n4. Analyse et conception des tests \n4.1 Aperçu des techniques de test \n4.2 Techniques de test boîte noire \n\n4.2.1 Partitions d’équivalence\n4.2.2 Analyse des valeurs limites\n4.2.3 Test de tables de décisions\n4.2.4 Test des transitions d’état\n\n4.3 Techniques de test boîte blanche \n\n4.3.1 Test des instructions et couverture des instructions\n4.3.2 Test des branches et couverture des branches\n4.3.3 La valeur des tests boîte blanche\n\n4.4 Techniques de test basées sur l’expérience \n\n4.4.1 Estimation d’erreurs\n4.4.2 Test exploratoire\n4.4.3 Tests basés sur des checklists\n\n4.5 Approches de test basées sur la collaboration \n\n4.5.1 Rédaction collaborative de User Stories\n4.5.2 Critères d’acceptation\n4.5.3 Développement piloté par les tests d’acceptation (ATDD)\n\n\n5. Gestion des activités de test \n5.1 Planification des tests \n\n5.1.1 Objet et contenu d’un plan de test\n5.1.2 Contribution du testeur à la planification des itérations et des releases\n5.1.3 Critères d’entrée et critères de sortie\n5.1.4 Techniques d’estimation\n5.1.5 Priorisation des cas de test\n5.1.6 Pyramide des tests\n5.1.7 Les quadrants de tests\n\n5.2 Gestion des risques \n\n5.2.1 Définition du risque et attributs du risque\n5.2.2 Risques projet et risques produit\n5.2.3 Analyse des risques produits\n5.2.4 Contrôle des risques produit\n\n5.3 Pilotage\, contrôle et clôture des tests \n\n5.3.1 Métriques utilisées pour les tests\n5.3.2 Objet\, contenu et destinataires des rapports de tests\n5.3.3 Communication de l’état d’avancement des tests\n\n5.4 Gestion de configuration \n5.5 Gestion des défauts \n\n6. Outils de test \n6.1 Les outils pour soutenir les tests \n6.2 Avantages et risques de l’automatisation des tests URL:https://www.expertunisie.com/voir_formation/istqb-niveau-foundation-7/ CATEGORIES:Tests Logiciels END:VEVENT BEGIN:VEVENT DTSTART;TZID=Africa/Tunis:20260622T090000 DTEND;TZID=Africa/Tunis:20260625T150000 DTSTAMP:20260620T150650 CREATED:20260121T154535Z LAST-MODIFIED:20260121T154535Z UID:12158-1782118800-1782399600@www.expertunisie.com SUMMARY:PF-ING-AWS Certified Machine Learning – Specialty DESCRIPTION:Formation dédiée à la préparation de la certification AWS Certified Machine Learning – Specialty.\nElle permet de concevoir\, entraîner\, déployer et optimiser des solutions de Machine Learning sur AWS (SageMaker\, services IA managés\, MLOps)\, conformément aux exigences de l’examen officiel.\nFormation de 4 jours\, orientée pratique\, avec études de cas et examens blancs.\n Programme de la formation \n1. Data Engineering sur AWS :\n1.1 Ingestion et stockage des données (Amazon S3\, Glue\, Athena)\n1.2 Conception de pipelines ETL\n1.3 Qualité\, sécurité et gouvernance des données\nTP : Construction d’un pipeline de données ML-ready \n2. Analyse exploratoire des données – EDA :\n2.1 Analyse statistique descriptive et avancée\n2.2 Feature engineering\n2.3 Visualisation des données et détection d’anomalies TP : EDA complète avec préparation des features \n3. Modélisation Machine Learning et Deep Learning :\n3.1 Choix des algorithmes (régression\, classification\, clustering)\n3.2 Entraînement des modèles avec Amazon SageMaker\n3.3 Hyperparameter tuning\n3.4 AutoML vs modèles custom\nTP : Entraînement\, évaluation et comparaison de modèles SageMaker \n4. MLOps et industrialisation :\n4.1 Pipelines Amazon SageMaker\n4.2 Versioning des données et des modèles\n4.3 CI/CD appliqué au Machine Learning\n4.4 Monitoring\, détection de dérive et retraining TP : Pipeline MLOps automatisé de bout en bout \n5. Déploiement et exploitation des modèles :\n5.1 Déploiement via endpoints temps réel et batch\n5.2 Scalabilité et optimisation des coûts\n5.3 Tests\, supervision et maintenance en production TP : Déploiement sécurisé et scalable d’un modèle ML \n6. Sécurité\, gouvernance et conformité :\n6.1 Gestion des accès avec IAM\n6.2 Sécurité des données et chiffrement\n6.3 Responsible AI et interprétabilité des modèles TP : Audit de sécurité d’une solution ML sur AWS URL:https://www.expertunisie.com/voir_formation/pf-ing-aws-certified-machine-learning-specialty/ CATEGORIES:Tests Logiciels END:VEVENT BEGIN:VEVENT DTSTART;TZID=Africa/Tunis:20260626T090000 DTEND;TZID=Africa/Tunis:20260629T150000 DTSTAMP:20260620T150650 CREATED:20260121T154533Z LAST-MODIFIED:20260121T154533Z UID:12157-1782464400-1782745200@www.expertunisie.com SUMMARY:Microsoft Azure AI Fundamentals\n(AI‑900) DESCRIPTION:Formation dédiée à la préparation de la certification Microsoft Azure AI Fundamentals (AI-900).\nElle permet de comprendre les concepts fondamentaux de l’Intelligence Artificielle et les services Azure AI (Machine Learning\, Vision\, NLP\, IA générative)\, conformément aux exigences de l’examen officiel.\nFormation de 4 jours\, alternant théorie\, démonstrations et cas pratiques.\n Programme de la formation \n1. Introduction à l’Intelligence Artificielle :\n1.1 Définition de l’IA et concepts clés\n1.2 Différences entre IA\, Machine Learning et Deep Learning\n1.3 Cas d’usage de l’IA en entreprise\n1.4 Présentation de l’écosystème Azure AI \n2. Principes fondamentaux du Machine Learning sur Azure :\n2.1 Types de Machine Learning (supervisé\, non supervisé\, renforcement)\n2.2 Scénarios de prédiction et de classification\n2.3 Azure Machine Learning : concepts et composants clés\n2.4 Notions de datasets\, modèles et entraînement \n3. Vision par ordinateur avec Azure AI Vision :\n3.1 Concepts de la Computer Vision\n3.2 Analyse d’images et détection d’objets\n3.3 Reconnaissance faciale (concepts et limitations)\n3.4 Cas d’usage Azure AI Vision \n4. Traitement du langage naturel (NLP) :\n4.1 Concepts fondamentaux du NLP\n4.2 Analyse de texte et détection des sentiments\n4.3 Extraction d’informations clés\n4.4 Services Azure AI Language\n5. IA conversationnelle et Bots :\n5.1 Principes des chatbots et assistants virtuels\n5.2 Azure Bot Service\n5.3 Azure AI Speech (reconnaissance et synthèse vocale)\n5.4 Cas d’usage des solutions conversationnelles \n6. IA Générative et services Azure OpenAI :\n6.1 Introduction à l’IA générative\n6.2 Cas d’usage de Azure OpenAI Service\n6.3 Bonnes pratiques d’utilisation des modèles génératifs\n6.4 Limites et considérations éthiques \n7. IA responsable sur Microsoft Azure :\n7.1 Principes de l’IA responsable chez Microsoft\n7.2 Équité\, fiabilité\, sécurité et confidentialité\n7.3 Transparence et explicabilité\n7.4 Gouvernance et conformité des solutions IA \n8. Préparation à la certification AI‑900 :\n8.1 Structure et format de l’examen AI‑900\n8.2 Domaines évalués et pondération\n8.3 Questions types et scénarios d’examen\n8.4 Conseils et stratégies de réussite URL:https://www.expertunisie.com/voir_formation/microsoft-azure-ai-fundamentalsai%e2%80%91900/ CATEGORIES:Tests Logiciels END:VEVENT END:VCALENDAR