QA Лид перед релизом большой фичи💀

Оплачиваемая стажировка и трудоустройство без опыта — ну ничего себе 😳 

Всё возможно с Добровольным квалификационным экзаменом! Это бесплатный проект Правительства Москвы, в котором можно принять участие из любого региона России. Это честная альтернатива классическим откликам и реальный шанс получить оффер в компанию мечты.

Как это работает?

1. Пройди тест

Выбираешь профессию, проходишь онлайн-тест. Если набираешь 55 баллов и выше — попадаешь в базу соискателей, которую смотрят рекрутеры топовых компаний.

2. Загрузи резюме

Просто честное резюме. Без пафоса. Работодатели посмотрят на результат теста и примут решение.

3. Получи стажировку или оффер

Это может быть стажировка. Может быть полноценная работа. Список компаний внушительный — среди них Лукойл, Сбер, Норникель, Мосэнерго, Росатом и другие.

Да, это возможно. Даже если ты только начинаешь карьерный путь.

Готов? Жми: dke.moscow

Что должен знать уважающий себя тестировщик из технологий и Computer Science
Kseniia Riakhovskaia

Продолжаю цикл постов "Что должен знать тестировщик". Сегодня углубимся в технологии и базовый Computer Science.

Нужно знать:
1. Базы данных. Важно понимать, какие базы данных бывают. Их типы, основные отличия реляционных и нереляционных. Для нереляционных - назначение и классификацию. SQL. По базам планирую отдельный пост, так что тут пока без деталей.
2. Сети. Понимание, как работают и устроены сети. Протоколы сетевого взаимодействия. Не обязательно углубляться в хендшейки, скользящие окна и прочие тонкости TCP/IP, но хотя бы понимать такие магические слова как UDP, HTTPS, FTP, SSH - крайне желательно. Желателен опыт хотя бы с какими-то анализаторами трафика, например, WireShark.
3. Шифрование. Открытые, закрытые ключи, методы авторизации. OAuth, JWT, Base и т.д.
4. AI. Как использовать. Промтбилдинг, идеи применения. Какие перспективы в тестировании.
5. Операционные системы. Windows, Linux - на уровне начинающего системного администратора.
6. Виртуализация и контейнеризация. Понимание отличий. Системы виртуализации: VMWare (hosted), Hyper-V (bare). Контейнеризация: Docker, образы.
7. CI/CD. Что это, как работает и зачем вообще нужно. Jenkins, TeamCity, GitLab - хотя бы на уровне понимания пайплайнов.
8. Системы контроля версий. Git, SVN - знание основных команд, как работает ветвление, разрешение конфликтов.
9. Очереди и брокеры сообщений. Kafka, RabbitMQ — что это такое, зачем нужно.
10. Мониторинг и логирование. Grafana, Kibana, Prometheus, Graylog.
11. Протоколы взаимодействия. REST, SOAP, gRPC - общие принципы, где применимы, чем отличаются.
12. Архитектуры приложений. Монолит и микросервисы - в чём разница, плюсы/минусы каждого подхода.

Желательно знать:
1. Что такое хранилища данных - S3, Data Lake и т.д.
2. Web3 (понятно, что это больше про доменную область, но хотя бы не делать круглые глаза при вопросе "что это такое").
3. Оркестраторы для контейнеризированных решений - Kubernetes, Openshift.
4. Облачные сервисы - AWS, Azure, GCP.
5. Системы для работы с большими данными - Hadoop и прочее. Остальные решения так или иначе используют технологии Apache или построены по похожим принципам.
6. ML - модели, обучение, тестирование модели. Понимание, в каких случаях специально обученная на конкретных данных модель предпочтительнее LLM.
7. Алгоритмы - сложность, применимость. Структуры данных (графы, деревья), алгоритмы сортировки и поиска.
8. Теория графов и её применение - зависимости, workflow, маршруты, критические пути. Использование графов в анализе покрытия, оптимизации.
9. Инфраструктура как код (IaC) - Terraform, Ansible.
10. Компиляторы и интерпретаторы - разница между байткодом, машинным кодом и интерпретацией.

Я прекрасно понимаю, что всё знать невозможно.
Но мы всегда должны стремиться к расширению своего кругозора - это позволяет оставаться конкурентоспособными и лучше понимать систему, с которой работаем.

Оплачиваемая стажировка для аналитиков и QA-инженеров в Т-Банке

Летом можно не только отдыхать, но и расти в карьере. Т-Банк открыл донабор на стажировку «Т-Старт» — для тех, кто знает основы аналитики или тестирования и хочет развиваться дальше: разобраться в задачах, поработать в команде и получить опыт.

Это оплачиваемая стажировка с треками на выбор: аналитика — для тех, кто любит считать и искать закономерности, QA — для тех, кто хочет находить баги и делать сервис лучше.
Вот что вас ждет:
— выбор трека: аналитика (продуктовая, ИТ, инвестиционная, риск) или QA
— интересные задачи с первого дня;
— поддержка ментора и команды;
— гибкий график: от 20 до 40 часов в неделю;
— работа из офиса в Москве и регионах;
— официальное оформление;
— доступ к базе знаний, курсам и вебинарам;
— шанс выйти в штат после стажировки.
Знание математики и программирования будет плюсом при отборе.
Подайте заявку до 30 июня

QA в России vs Европе - что ищут в вакансиях? Анализ 107 позиций с hh от Kseniia Riakhovskaia

В рамках анализа своих гипотез на тему знаний для QA, продолжаю проводить анализ рынка по различным вакансиям. В этот раз посмотрим на вакансии в РФ и сравним с требованиями в Европе. В выборке - 107 вакансий разных уровней (не включая Junior и узкоспециализированные роли вроде performance/security).

Итак, что мы имеем:

Технологии:
SQL - 62.6%
NoSQL - 14%
Брокеры сообщений - 27%
BigData - 1.9%
Git - 56%
Docker - 30.8%
Kubernetes - 16.8%
CI/CD - 51.4%
Cloud- 6.5%

По типам тестирования:
API Testing - 87%
Performance Testing - 13%
Web Test Framework - 27%
Mobile Testing - 24.3%

По языкам:
Python - 32.7%
C# - 2.8%
Java - 30.8%
Так же встречалась всякая экзотика типа Go, Kotlin, TypeScript. JavaScript не выделяю намеренно, т.к. сложно его дифференцировать в требованиях - часто он идёт в вакансиях в контексте - у нас фронт на JS и т.д.

В завершении, хочу сравнить рынки:
Европа vs РФ
SQL 35.5% vs 62.6% (заметная разница)
NoSQL 9.3% vs 14%
Брокеры 4.7% vs 27% (существенная разница)
Docker 14% vs 31% (заметная разница)
Kubernetes 10% vs 17% (разница есть, но не большая)
CI/CD 63% vs 51%
Cloud - 35% vs 6% (существенная разница)

Требования по автоматизации встретились в 64% вакансий.

Ещё интересный параметр, который мне бросился в глаза - в Европе нагрузочное тестирование хотят видеть от вакансий без прямого отношения к нагрузке в 25% случаев, в РФ только в 13%. По языкам всё примерно ровно в топе Java и python.

Яндекс, Альфа-банк, Райффайзен, Wildberries, Bronevic - МТС Travel, SAAS Grove, СиСофт Разработка, TeamLead, ITooLabs, Softgamings, Аналитические Программные Решения, MadAppGang (Австралия), EPAM (Венгрия), Jungo (Израиль), Finenex (Казахстан), Trend.Run (Кипр), Softeco (Польша), AppmasterIO (США), Base86 (США)

Мы собрали джунов-тестировщиков, стартовавших IT-карьеру во всех этих компаниях за последние 5 месяцев.

Как в 2025 году новичку найти работу QA без фейкового резюме и накрутки опыта?
Ребята поделятся на эфире в среду 18 июня.

Ссылка на эфир появится в канале Становимся тестировщиком

стратег)

SEO-тестирование: шпаргалка для QA-инженеров от Владлена Цыганенко

1) Мета-теги и заголовки
▪️Проверить наличие и уникальность <title> и <​meta name="description">
▪️Убедиться, что длина соответствует рекомендациям (Title ≤ 60 символов, Description ≤ 160 символов)

2) ЧПУ-ссылки (URL)
▪️URL должны быть читаемыми, содержать ключевые слова и не содержать лишних параметров
▪️Проверить корректность перенаправлений (301/302) при смене URL

3) HTTP-статусы
▪️Все важные страницы должны возвращать 200 OK
▪️Страницы ошибок (404, 500) должны иметь корректный шаблон и не «утекать» в индексацию

4) Robots.txt и Sitemap.xml
▪️Убедиться, что важные разделы не заблокированы в robots.txt
▪️Проверить наличие и актуальность sitemap.xml, соответствие ссылок на карту сайта

5) Канонические ссылки
▪️На страницах с дублирующимся контентом должен быть <link rel="canonical">
▪️Проверить, что canonical указывает на основную версию страницы

6) Скорость загрузки (Core Web Vitals)
▪️Проверить LCP, FID и CLS в Lighthouse или PageSpeed Insights
▪️Внедрить lazy loading, оптимизацию изображений и минимизацию скриптов

7) Мобильная адаптивность
▪️Убедиться, что страницы корректно отображаются на мобильных устройствах (Responsive Design)
▪️Проверить в Google Mobile-Friendly Test

8) Структурированные данные (Schema.org)
▪️Проверить наличие разметки JSON-LD или Microdata для ключевых сущностей (Breadcrumb, Article, Product и др.)
▪️Прогнать через валидатор Structured Data Testing Tool

9) Карта сайта и хлебные крошки
▪️Breadcrumbs должны отражать иерархию разделов и быть кликабельными
▪️Синхронизировать их с данными в structured data

10) Проверка внешних ссылок
▪️Найти и устранить битые (404) ссылки внутри контента
▪️Проверить, что внешние ссылки открываются с rel="nofollow"/noopener

11) Контент и ключевые слова
▪️Убедиться, что заголовки <h1>…<h6> используются по иерархии
▪️Проверить плотность ключевых слов и отсутствие «keyword stuffing»

12) Изображения и мультимедиа
▪️Все изображения имеют alt-теги с описанием
▪️Оптимальный формат и размер (WebP, сжатие без потери)

13) Кросс-доменные сценарии (hreflang)
▪️Для мультиязычных сайтов проверить hreflang-теги
▪️Убедиться, что ссылки правильно ссылаются на соответствующие языковые версии

14) Безопасность и HTTPS
▪️Все страницы должны быть доступны по HTTPS
▪️Проверить отсутствие смешанного контента (mixed content)

15) Мониторинг и отчётность
▪️Настроить Google Search Console и Bing Webmaster Tools
▪️Регулярно отслеживать рост/падение позиций и кликабельность (CTR)

Используйте этот чек-лист как базу, дополняя его под специфику вашего проекта.

🆕💥 Разработчик, получи актуальные знания о микросервисах и Шаблон настроек конфигурации для Spring Boot: Kafka

Умение строить архитектуру микросервисов — навык, необходимый разработчикам и тем, кто хочет стать архитектором ПО. Переходи на сайт, чтобы проверить свои знания и посмотреть подходит ли тебе 💥 обновленная программа курса Microservice Architecture от OTUS!

Если успешно пройдешь тест, сможешь забронировать место в группе по специальной цене, а так же получить шаблон настроек конфигурации для Spring Boot: Kafka

🎫 Курс можно приобрести в рассрочку.

👉 Пройти тест: https://vk.cc/cMVdiI

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid: 2W5zFGn75QU

Как ускорить тесты и эксперименты без виртуализации

Виртуалки удобно, но не всегда. Когда нужна конкретная ОС, своя система виртуализации или особый софт, проще и дешевле арендовать настоящее железо. Особенно если нагрузка временная, это подходящий вариант.

Yandex BareMetal – аренда выделенных серверов задач тестирования и экспериментов:

➤ Парк из тысяч серверов готовых конфигураций с RAM от 128 до 256 Гб и скоростью сети от 1 до 25 Гб/сек

➤ Установка любой ОС: из образов или своей

➤ Удобное управление по API или через KVM и SSH

➤ Выгодные тарифы: аренда на день, месяц или год (со скидкой до 15%)

➤ Необходимые мощности можно получить в течение 25 минут

Простой путь к стабильным и быстрым тестам не всегда через облако. Иногда нужен BareMetal.

Подробности

ДОБРО ПОЖАЛОВАТЬ В МИР ТЕСТИРОВАНИЯ AI.

Меня зовут Мешков Александр и недавно я запустил новый канал Тестирование AI, который посвящен тестированию искусственного интеллекта и оценки качества работы приложений на базе AI.

Почему я решил запустить новый канал?

За два года глубокой работы с ИИ я понял одну вещь: тестирование искусственного интеллекта — это совершенно новая вселенная. Здесь не работают привычные методы тестирования, зато открываются невероятные возможности.
И хочу теперь начать делиться своими знаниями с вами.

Почему сейчас самое время?

ИИ перестал быть "технологией будущего" — он уже здесь. Компании массово внедряют ИИ-решения, но кто их тестирует? Специалистов по тестированию ИИ катастрофически не хватает, а спрос растет каждый день.

Честно предупреждаю:
• Материал может показаться сложным (но я объясняю простым языком!)
• Это НЕ обычное тестирование — будьте готовы ломать стереотипы
• Некоторые темы могут требовать времени на осмысление

Но если вам интересна данная тема, хотите лучше разобраться, что происходит в мире, связанном с тестированием ИИ,

ПРИСОЕДИНЯЙТЕСЬ!

https://www.tgoop.com/testingofai

P.S. Пока все восхищаются "магией" ИИ, вы будете понимать его слабые места и знать, как их найти.

Что должен знать уважающий себя AQA о теории тестирования. Список от Kseniia Riakhovskaia

Продолжаем готовиться к собесам и размышлять на тему желательных знаний для AQA. В данном посте я рассмотрю топики из теории тестирования и сделаю небольшое разделение по уровням, на которые претендуют кандидаты.

▪️Junior/Middle
1. Тесткейсы, чек-листы. Важно понимать, что это и как их написать.
2. Техники тест-дизайна — классы эквивалентности, граничные значения (разница между двух- и трёхточечными), попарное тестирование, диаграммы переходов и состояний. Где и зачем применять.
3. Методологии разработки (Scrum, Kanban, Waterfall). Роль тестирования в них. Жизненный цикл ПО для разных моделей.
4. Разница между приоритетом и серьёзностью бага. Оценка влияния на продукт.
5. Виды тестирования: функциональное и нефункциональное, чёрный, белый, серый ящики, тестирование, связанное с изменениями.
6. Жизненный цикл дефекта.
7. Различие валидации и верификации.

▪️Middle+/Senior
1. Методы сокращения тестовой модели: Test Impact Analysis, Test Case Prioritization, Historical Test Data Analysis.
2. Глубокое понимание методологий разработки. Shift-left, принцип 3 амиго. Как методологии влияют на автоматизацию. TDD, ATDD, BDD.
3. Техники тест-дизайна белого ящика: покрытие операторов, ветвлений, путей, условий, решений.
4. Тестовые оракулы и их использование.
5. Парадокс пестицида: рандомизация данных, динамическое тестирование, разные конфигурации, мутационное тестирование.
6. Уровни тестирования: модульное, интеграционное, системное, системное интеграционное, приёмочное. Классическая и альтернативные модели тестовой пирамиды. Моки, стабы — где и зачем применять.
7. Техники тестирования по требованиям: позитивное, негативное, альтернативные пути.
8. CI/CD и Shift-right: внедрение автоматизации, тестирование в проде, мониторинг.
9. Статические методы тестирования: ревью, линтеры, статические анализаторы кода.
10. Метрики: Coverage by Automated Tests, Pass Rate / Failure Rate, Test Execution Time, Flaky Tests Rate, Defect Detection Rate (DDR)

▪️Senior+/Lead
1. ROI — что это и как учитывать экономическую составляющую автоматизации.
2. Оценка и управление рисками. Как с помощью риск-анализа приоритизировать автоматизацию. Что автоматизировать не нужно.
3. Quality Gates. Зачем нужны, как внедрить в процесс.
4. Матрицы покрытия. Трассировка требований до тестов.
5. Приоритизация и управление автоматизацией: дорожные карты, планы автоматизации, критерии входа и выхода.
6. Модели зрелости тестирования.

Главное, что команда дружная - все на одной волне

Не выгорайте! Хороших выходных!

бывает

🚀 Микросервисы — это не тренд, а стандарт. А Go — язык, который выбрали для этого стандарта в крупнейших корпорациях. Если вы уже пишете на Go, следующий шаг очевиден.

На курсе от OTUS вы освоите:

🔹 Проектирование микросервисной архитектуры на Go
🔹 Чистая архитектура, CI/CD, gRPC, REST
🔹 Логирование, Kafka, PostgreSQL, мониторинг
🔹 И многое другое!

❗️Программа ориентирована на Go-разработчиков и архитекторов ПО. После курса вы сможете проектировать масштабируемые системы, автоматизировать разработку, уверенно внедрять мониторинг и проектировать API, которые работают под нагрузкой.

Оставьте заявку прямо сейчас: https://vk.cc/cN5Y8O

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid 2W5zFGXtoi8

⏳ Эстимация в тестировании. Шпаргалка QA-инженера от Владлена Цыганенко

Вы тестировщик. Вам дают задачу и спрашивают: "Сколько времени займёт тестирование?" Если вы растерялись или назвали "на глаз" то эта шпаргалка для вас.

Что такое эстимация?
Эстимация это оценка времени, усилий или ресурсов, необходимых для выполнения задачи.
Цель: спрогнозировать сроки с учётом реалий проекта, не быть вечно "в тестировании" и не торопиться в ущерб качеству.

Виды эстимации:
▫️Грубая (Rough Estimate): ещё нет деталей, называют вилку: 3–5 дней, неделя и т.д.
▫️Точная (Detailed Estimate): задача проработана, можно оценить каждую часть.
▫️Оценка на основе опыта (Expert Judgment): делается вручную, с опорой на прошлые задачи.
▫️Planning Poker / Wideband Delphi: командные методы, где оценки обсуждаются коллективно.

Что влияет на эстимацию?
▫️Объём и сложность фичи
▫️Доступность тестовой среды
▫️Готовность документации
▫️Время на регрессию
▫️Количество поддерживаемых платформ
▫️Интеграции с другими сервисами
▫️Риски и неопределённость

Не забывайте про багфиксы и ретесты!

Формулы и техники:
▫️Three-Point Estimate (PERT)
Это метод оценки задач, основанный на трёх сценариях:
▫️(Optimistic) оптимистичная оценка: если всё пойдёт идеально, сколько займёт времени?
▫️(Most likely) наиболее вероятная оценка: сколько времени займёт задача при обычных условиях?
▫️(Pessimistic) пессимистичная оценка: если всё будет плохо (баги, блокеры), сколько максимум может занять?

▫️Формула: (O + 4×M + P) / 6
То есть, основное влияние оказывает реалистичная оценка, но риски и удача тоже учитываются.

Пример:
Вы оцениваете задачу по тестированию фильтра товаров.
▫️(оптимистично) = 2 часа
▫️(наиболее вероятно) = 4 часа
▫️(пессимистично) = 10 часов

Estimation = (2 + 4×4 + 10) / 6 = (2 + 16 + 10) / 6 = 28 / 6 ≈ 4.67 часа

Когда использовать PERT?
▫️Когда много неопределённостей
▫️Когда нет достаточной статистики из прошлого
▫️Когда задача может зависеть от сторонних факторов (дизайн, API, баги и т.д.)

📎 Work Breakdown Structure (WBS):
Разбиваем задачу на подзадачи → оцениваем каждую → суммируем.
📎 Buffer (буфер):
Добавьте 15–25% времени на непредвиденные задачи, если это допустимо проектом.

Как улучшить эстимацию?
▫️Делайте разбор задачи и не оценивайте "вслепую"
▫️Уточняйте требования и тест-кейсы
▫️Учитывайте риски: нестабильность билда, баги, блокеры
▫️Ведите учёт времени и он пригодится для будущих оценок
▫️Общайтесь с командой: Dev, PM, дизайнеры, BA
▫️Документируйте свою эстимацию: что учитывали, чего нет и почему

Что НЕ стоит делать:
▫️Давать оценку, не прочитав задачу
▫️Согласовываться на словах, лучше фиксируйте эстимейт письменно
▫️Обещать закончить быстрее "на всякий случай"
▫️Игнорировать командные дедлайны и приоритеты

💬 Ваша эстимация это прогноз на основе текущей информации. И как любой прогноз, он может меняться.