Чему вы научитесь
- Разрабатывать UI-автотесты на высоком уровне с использованием Playwright.
- Освоите паттерны Page Object, Page Component и Page Factory.
- Анализировать и тестировать API, используя HTTPX, Pytest и Pydantic, применять JSON Schema для валидации ответов и проверки бизнес-логики.
- Изучите лучшие практики и разработаете собственный фреймворк для API-тестирования.
- Освоите Pytest: фикстуры, маркировки, параметризацию, собственные плагины.
- Получите опыт написания автотестов на выделенном тестовом UI-приложении и API-сервере, измерения покрытия тестов и создания отчётов в Allure и Allure TestOPS.
- Научитесь запускать автотесты параллельно и интегрировать их в CI/CD, управлять проектом с помощью Pydantic settings и переменных окружения.
- Научитесь работать с командной строкой, Git и GitHub, GitLab, публиковать проекты и доводить их до финала.
- Освоите работу с моками и оптимизацию выполнения автотестов.
- Тестировать SPA-приложения на React, приближенные к реальным продуктам.
- Писать нагрузочные тесты на Python с использованием Locust.
- Создавать сложные сценарии нагрузки с TaskSet, SequentialTaskSet и event hooks.
- Разрабатывать масштабируемые нагрузочные фреймворки и запускать их в CI/CD.
- Реализовывать mock-сервисы для HTTP (FastAPI) и gRPC (grpcio).
- Проектировать гибкие HTTP/gRPC API-клиенты, применяемые в нагрузке и автотестах.
- Интерпретировать метрики (RPS, latency, percentiles) и анализировать системные показатели (CPU, RAM, сеть) с помощью Grafana и Prometheus.
- Работать с Kafka UI, pgAdmin, MinIO (S3), Redis, Postgres, Docker и Docker Compose.
- Готовить данные с помощью Faker и собственного сидинга.
- Оценивать и формировать нагрузочные профили, разрабатывать сидинг-билдеры и понимать архитектурные особенности нагружаемой системы.
- Составлять резюме, проходить собеседования и закрепляться на позиции QA Automation Engineer с перспективой роста.
О курсе
Для кого этот курс
Начальные требования
-
Базовые знания Python. Понимание синтаксиса языка, умение работать с переменными, функциями, базовыми классами и библиотеками. Вам не нужно быть экспертом, но знание основ — обязательно.
-
Базовое понимание принципов программирования. Знание ООП, понимание структур данных (списки, словари и т.п.), базовых алгоритмов и принципов разработки — поможет увереннее осваивать архитектуру фреймворка и API-клиентов.
-
Готовность к обучению и инженерному мышлению. Курс предполагает активную работу: придётся разбираться в новых концепциях, запускать стенды, читать логи, анализировать метрики и писать код. Интерес к инженерной стороне процессов — важнее, чем опыт с конкретными инструментами.
-
Уверенное владение компьютером и рабочим окружением. Умение устанавливать и настраивать программы, работать с терминалом, пользоваться IDE (например, PyCharm или VS Code), использовать браузер для ручного тестирования и работы с Postman.
-
Рабочее окружение. Для прохождения некоторых уроков может понадобиться VPN (в зависимости от региона). Также вам потребуется современный компьютер с нормальной производительностью — достаточно ноутбука с 8 ГБ оперативной памяти и свежей системой. Ничего «сверхмощного» не требуется, но на старом железе запуск тестового стенда может быть затруднён.
Преподаватели курса
1 466
Как проходит обучение
Каждый урок состоит из нескольких ключевых элементов:
-
Теория: Подробные текстовые материалы с ясным объяснением, ссылками на дополнительные ресурсы и скриншотами, чтобы помочь вам понять сложные моменты.
-
Видео: Практические видеоуроки, где подробно объясняется выполнение заданий и работа с инструментами, показываются шаги решения реальных задач.
-
Тесты и задания: Каждый урок включает тесты и задания с автоматической проверкой для закрепления теоретических знаний. Это помогает убедиться, что вы усвоили материал.
-
Практическое задание: После теоретической части и тестов вам предстоит самостоятельно писать автотесты, нагрузочные тесты, скрипты, применять паттерны и изученные инструменты.
Курс построен так, чтобы вы могли погружаться в материал и усваивать его поэтапно. Вы читаете теорию, изучаете скриншоты, смотрите видеоуроки с практическими примерами, выполняете тесты и задачи, а затем закрепляете знания на практике, получая персональный фидбэк.
Что вы получите
- Актуальные и востребованные навыки: освоение современных технологий и инструментов (Playwright, HTTPX, Pydantic, Allure, Pytest, Locust, FastAPI, Docker и др.), которые востребованы работодателями уже сегодня.
- Комплексные знания профессии QA Automation Engineer: вы научитесь автоматизировать UI, API и нагрузочное тестирование, поймёте архитектуру, научитесь строить фреймворки и применять лучшие инженерные практики.
- Глубокое понимание нагрузочного тестирования: не просто «как кликать в инструменте», а как анализировать систему под нагрузкой, проектировать сценарии, находить узкие места и работать с метриками.
- Практику с production-like стендом: работа с реальной микросервисной системой (Kafka, Redis, PostgreSQL, MinIO и др.), что максимально приближено к условиям работы на реальных проектах.
- Инженерные паттерны и приёмы: написание моков, сидинг тестовых данных, проектирование API-клиентов и анализ архитектуры систем.
- Системные знания, которые не устареют: курс построен на инженерных принципах, а не на конкретной версии инструмента — навыки останутся актуальными даже при смене технологий.
- Практический проект для резюме: итоговый проект на GitHub с оформлением и документацией, который можно использовать как портфолио.
- Рекомендации по трудоустройству: советы по резюме, сопроводительным письмам, продвижению кандидатуры и подготовке к интервью, включая типовые этапы и вопросы работодателей.
- Список 380 самых часто задаваемых вопросов на собеседованиях и 21 практическая задача с несколькими решениями с подробным разбором вариантов — для уверенного прохождения интервью.