Novus Technology
APISCodingPerformance TestingTecnologiaTesting

Programa integral

Código del curso: NTAIQ

Programa AI Quality Engineering

En 16 sábados formamos perfiles técnicos de Quality Engineering capaces de automatizar APIs con Karate, interfaces web con Playwright, pruebas de performance con JMeter, y de diseñar agentes de IA que trabajen junto a ellos mediante MCP (Model Context Protocol).

Inicio

21 de noviembre de 2026

Duración

64 horas

Sesiones

16

Inversión

S/3000.00 (≈ $871.77 USD)

Incluye

  • • 16 sesiones en vivo los sábados de 9:00 a.m. a 1:00 p.m. (4 meses)
  • • Modalidad presencial o remota, a elección del participante
  • • 30% teoría y demostración, 70% laboratorio práctico sobre proyectos reales
  • • Karate, Playwright, JMeter y agentes de IA conectados vía MCP
  • • Proyecto integrador y demo day como portafolio profesional
  • • Certificado verificable del programa (64 horas)
  • • Precio de lanzamiento S/ 2,400 (regular S/ 3,000); grupos de 3: S/ 2,100 por persona
  • • Pago en 4 cuotas mensuales sin intereses

Dirigido a

  • • Analistas QA manuales que quieren dar el salto a la automatización
  • • Testers con experiencia que buscan incorporar IA a su trabajo diario
  • • Desarrolladores interesados en calidad, pruebas y pipelines CI/CD
  • • Profesionales de TI en reconversión hacia un perfil técnico de QA

Requisitos

  • • Nociones de pruebas de software (no se requiere experiencia en automatización ni programación avanzada)
  • • Laptop con Windows 10/11, macOS o Linux; 8 GB de RAM mínimo (16 GB recomendado) y permisos de administrador
  • • Cuenta de GitHub y acceso a un asistente de IA compatible con MCP (se indica la opción en la sesión 1)
  • • Modalidad remota: cámara, micrófono y conexión estable a internet

Syllabus

Temario del curso

Cada módulo conserva la línea temática del programa publicado en la web de Novus y está organizado para que el visitante pueda revisar el alcance antes de inscribirse.

Módulo 1

Módulo 0 · Fundamentos de AI Quality Engineering (sesión 1 · 4 h)

7 temas
  • • De QA a Quality Engineering: shift-left, pirámide de pruebas y calidad continua
  • • La IA en el ciclo de pruebas: dónde aporta, dónde no, y riesgos (alucinaciones, datos sensibles)
  • • Introducción a MCP (Model Context Protocol) y cómo conecta la IA con herramientas de testing
  • • Entorno de trabajo: VS Code, Java/JDK, Maven, Node.js, Git y GitHub
  • • Git esencial para QA: ramas, commits y pull requests
  • • Presentación del proyecto integrador y de la aplicación de práctica
  • • Entregable: entorno configurado, primer repositorio y primeros casos de prueba generados con IA

Módulo 2

Módulo 1 · Automatización de APIs con Karate + MCP (sesiones 2 a 4 · 12 h)

8 temas
  • • Conceptos de API REST: métodos HTTP, códigos de estado, headers y JSON; exploración con Postman
  • • Karate y Gherkin: estructura del proyecto con Maven y karate-config.js por ambientes
  • • Requests GET, POST, PUT y DELETE; validaciones con match y fuzzy matching de esquemas JSON
  • • Pruebas data-driven con Scenario Outline, CSV y JSON; reutilización con call y callonce
  • • Autenticación con tokens Bearer y OAuth2, flujos de negocio encadenados y mocks
  • • Ejecución en paralelo, tags, reportes HTML y pipeline en GitHub Actions
  • • Karate + MCP: generar features desde OpenAPI/Swagger y ejecutar e interpretar fallos con un asistente de IA
  • • Entregable: suite de API con CRUD, data-driven, autenticación, pipeline CI y flujo asistido por IA

Módulo 3

Módulo 2 · Automatización web con Playwright + MCP (sesiones 5 a 8 · 16 h)

9 temas
  • • TypeScript esencial para QA: tipos, funciones, clases y async/await
  • • Playwright Test: localizadores recomendados, aserciones web-first y auto-waiting
  • • Codegen, Playwright Inspector y modo UI
  • • Page Object Model, fixtures, hooks y autenticación reutilizable con storageState
  • • Iframes, pestañas, diálogos, descargas y carga de archivos
  • • API testing con request, mocks de red con route, pruebas visuales y de accesibilidad
  • • Ejecución en paralelo multi-navegador, Trace Viewer y pipeline en GitHub Actions
  • • Playwright MCP: explorar la app con un agente, generar pruebas y reparar localizadores rotos
  • • Entregable: suite E2E con POM, autenticación, mocks, pruebas visuales, CI y pruebas asistidas por IA

Módulo 4

Módulo 3 · Pruebas de performance con JMeter (sesiones 9 a 11 · 12 h)

8 temas
  • • Tipos de prueba: carga, estrés, picos, resistencia y escalabilidad
  • • Métricas clave: tiempo de respuesta, percentiles (p90, p95, p99), throughput y tasa de error
  • • Componentes de JMeter y grabación de scripts con HTTP(S) Test Script Recorder
  • • Correlación con extractores, parametrización con CSV Data Set Config y aserciones
  • • Modelado de carga: usuarios concurrentes, ramp-up y think time
  • • Ejecución en modo CLI, reporte HTML Dashboard, cuellos de botella y SLAs
  • • Integración con GitHub Actions y uso de IA para analizar resultados
  • • Entregable: plan de pruebas, script correlacionado y parametrizado, e informe de performance

Módulo 5

Módulo 4 · Diseño y manejo de agentes de IA (sesiones 12 a 14 · 12 h)

8 temas
  • • Cómo funciona un LLM: tokens, ventana de contexto, temperatura y límites
  • • Prompt engineering para QA y anatomía de un agente (modelo, instrucciones, herramientas, memoria)
  • • Uso de herramientas (tool use / function calling)
  • • MCP en profundidad: arquitectura y construcción de un servidor MCP propio para QA
  • • Seguridad en MCP: permisos, credenciales y datos sensibles
  • • Agentes de QA: generador de casos, analista de fallos, triage de defectos y revisor de cobertura
  • • Orquestación de Karate MCP y Playwright MCP en un mismo flujo; evaluación y guardrails
  • • Entregable: agente de QA documentado con herramientas MCP, evaluación y guardrails

Módulo 6

Módulo 5 · Proyecto integrador y demo day (sesiones 15 y 16 · 8 h)

7 temas
  • • Plan de pruebas basado en riesgos
  • • Suite de API con Karate, suite E2E con Playwright y script de performance con JMeter
  • • Agente de QA conectado vía MCP a Karate y Playwright
  • • Pipeline CI/CD unificado en GitHub Actions
  • • Repositorio público en GitHub como portafolio profesional
  • • Sesión 15: taller guiado y revisión de código entre pares
  • • Sesión 16: demo day con presentación final y retroalimentación

Grupos publicados

Próximos grupos disponibles

Programa AI Quality Engineering NOV 2026

Código grupo: NTAIQ112026

Código curso: NTAIQ

Docente: Jorge Erickson Paz Diaz

Fechas: 2026-11-21

Vacantes disponibles: 7