Die Lernenden weisen ihre Kenntnisse durch die Bearbeitung eines „Secure AI Testing Toolkits“ nach, in dessen Rahmen sie ein Abhängigkeits-Update bewerten, Integrationstests durchführen und ihre Ergebnisse dokumentieren, während sie gleichzeitig mit pytest eine umfassende Testsuite entwickeln, die eine Abdeckung von mindestens 88 % erreicht. Im Rahmen dieses Prozesses bewerten die Lernenden einen Beispiel-Pull-Request, der LangChain von Version 0.1.5 auf 0.1.8 aktualisiert. In einer plattformunabhängigen Python-Umgebung überprüfen sie die Changelogs auf veraltete Funktionen, führen Sicherheitsscans zur Identifizierung von Schwachstellen durch und führen Integrationstests zur Überprüfung der Kompatibilität durch. Sie reichen einen strukturierten Bericht ein, der eine Bewertung des LangChain-Upgrades, eine Dokumentation der Teststrategie sowie eine Reflexion über die Verbesserungen der CI/CD-Pipeline enthält.

Während des gesamten Kurses nehmen die Lernenden an praktischen Übungen, angeleiteten Programmierübungen, Fragen im Video, interaktiven Dialogen und szenariobasierten Video-Quizzen teil, um ihre Fähigkeiten auf reale Herausforderungen anzuwenden. Die Abschlussarbeit dient als personalisierte Sicherheits- und Testressource, die es den Lernenden ermöglicht, KI-Code zu sichern, die langfristige Zuverlässigkeit zu verbessern und ihre Bereitschaft zum Einsatz kritischer Testverfahren in professionellen KI-Entwicklungsumgebungen unter Beweis zu stellen.