Boost Academy
LearningAssessmentsProfile
Back
  • Live

Testing avanzado: estrategia, automatización y calidad sostenible

6h of live classes·HACK A BOSS·Spanish

Skills you will learn

  • Testing

Schedules

You need an active plan

To access live courses you need an active plan. We're working on making plans available soon — stay tuned.

There are no open calls right now, but don't miss out: save this course and we'll notify you as soon as a call opens.

Description

Learning objectives

Syllabus

Technical requirements

Prerequisites

Schedule details

Resources

No resources are available yet for this schedule

Curso avanzado de testing orientado a perfiles que dominan las técnicas funcionales y no funcionales y necesitan diseñar estrategias de testing a nivel de proyecto: priorizar esfuerzo con risk-based testing, construir frameworks de automatización mantenibles, integrar las pruebas en pipelines CI/CD con quality gates, evaluar la calidad de una suite con métricas y mutation testing, gestionar datos de prueba con aislamiento y privacidad, y auditar la deuda técnica acumulada. Al finalizar, el participante será capaz de proponer y defender un plan de testing avanzado para un proyecto real que equilibre la detección de defectos con la sostenibilidad del esfuerzo a largo plazo.

Al finalizar el curso, el participante será capaz de:

  • Diseñar una estrategia de testing basada en riesgo para priorizar el esfuerzo de pruebas según probabilidad e impacto
  • Diseñar un framework de automatización de pruebas mantenible para un proyecto real
  • Integrar las pruebas en un pipeline de CI/CD definiendo gates de calidad
  • Evaluar la calidad de una suite de tests mediante métricas y análisis de cobertura
  • Diseñar una estrategia de test data management para suites de automatización
  • Evaluar la deuda técnica de testing y proponer un plan de saneamiento priorizado
  1. Estrategia risk-based testing Qué es el risk-based testing y por qué optimiza el esfuerzo de pruebas; factores de riesgo: probabilidad de defecto, impacto en el negocio y visibilidad del módulo; construir una matriz de riesgo y derivar la prioridad de cobertura; ajustar la estrategia cuando el riesgo cambia durante el ciclo de entrega; documentar y comunicar las exclusiones justificadas
  2. Frameworks de automatización mantenibles Pirámide de tests revisada desde la perspectiva de mantenibilidad; patrón Page Object Model (POM): encapsular selectores y acciones por página; builders y fixtures para aislamiento de datos de prueba; causas de tests flaky y soluciones: datos compartidos, tiempos hardcoded, estado externo no controlado; paralelización de tests E2E; criterios para no convertir el framework en deuda técnica
  3. CI/CD y quality gates Etapas del pipeline y qué suite ejecutar en cada una: fast feedback, regresión completa, pruebas de rendimiento; definir quality gates: umbrales de cobertura, tasa de éxito, ausencia de vulnerabilidades; gestión de tests flaky en CI: cuarentena, reintento automático e investigación de causa raíz; herramientas: SonarQube, GitHub Actions, GitLab CI
  4. Métricas de calidad de la suite Limitaciones de la cobertura de sentencias como única métrica; cobertura de ramas y mutation testing: qué mide y cómo se interpreta el mutation score; mutation testing con PIT (Java) o mutmut (Python); identificar áreas de riesgo no cubiertas y priorizar la mejora; configurar quality gates basados en mutation score
  5. Test data management Problemas de los datos compartidos entre tests: flakiness y dependencia de orden; aislamiento por test: setUp/tearDown y transacciones revertidas; anonimización y pseudoanonimización de datos de producción para entornos de test; datos sintéticos vs. datos anonimizados: cuándo usar cada estrategia; implicaciones del GDPR en el uso de datos personales en pruebas
  6. Deuda técnica de testing y plan de saneamiento Indicadores de deuda: tests flaky, suites lentas sin cobertura proporcional, coste alto de añadir nuevos tests, defectos que escapan a la suite; cuantificar y priorizar la deuda; plan de saneamiento en fases: emergencia, saneamiento incremental y prevención; métricas de progreso del saneamiento; procesos para evitar la reacumulación
  • Python 3.10+ con pytest y mutmut para las prácticas de mutation testing
  • Playwright o Selenium con un proyecto de ejemplo para las prácticas de POM
  • Acceso a un repositorio Git con pipeline CI/CD (GitHub Actions o GitLab CI)
  • Docker (opcional) para levantar bases de datos de prueba aisladas

→ TST03 — Pruebas no funcionales (Intermedio, 6h)

  • Diferenciar tipos de pruebas no funcionales y definir métricas de éxito
  • Plantear checklists de security testing y evaluar usabilidad con heurísticas
  • Integrar resultados de pruebas no funcionales en informes accionables