Plan Szkolenia
Wprowadzenie do AIASE
- Przegląd zastosowań AI w inżynierii oprogramowania
- Historia i ewolucja AIASE
- Kluczowe koncepcje i terminologia
Technologie AI w rozwoju oprogramowania
- Podstawy uczenia maszynowego
- Przetwarzanie języka naturalnego (NLP) w kontekście kodu
- Sieci neuronowe i modele głębokiego uczenia
Automatyzacja rozwoju oprogramowania z wykorzystaniem AI
- Narzędzia AI do generowania kodu szablonowego
- Automatyczne refaktoryzowanie i optymalizacja kodu
- Generowanie kodu testów funkcjonalnych i jednostkowych
- Projektowanie i optymalizacja przypadków testowych wspomagane przez AI
Poprawa jakości kodu z wykorzystaniem AI
- AI do wykrywania błędów i przeglądów kodu
- Analityka predykcyjna w utrzymaniu oprogramowania
- Narzędzia analizy statycznej i dynamicznej wspomagane przez AI
- Techniki automatycznego debugowania
- Lokalizacja i naprawa błędów wspomagane przez AI
AI w DevOps i ciągłej integracji/ciągłym wdrażaniu (CI/CD)
- AI do optymalizacji budowania i wdrażania
- AI w monitorowaniu i analizie logów
- Modele predykcyjne dla potoków CI/CD
- Automatyzacja testów oparta na AI w procesach CI/CD
- AI do wykrywania i rozwiązywania błędów w czasie rzeczywistym
AI w dokumentacji i zarządzaniu wiedzą
- Automatyczne generowanie dokumentacji i docstringów
- Ekstrakcja wiedzy z baz kodu
- AI do wyszukiwania i ponownego wykorzystania kodu
Kwestie etyczne i wyzwania
- Stronniczość i uczciwość w narzędziach AI
- Kwestie własności intelektualnej i licencjonowania
- Przyszłość AI w inżynierii oprogramowania
Praktyczne projekty i studia przypadków
- Praca z popularnymi narzędziami AI w inżynierii oprogramowania
- Studia przypadków AIASE w przemyśle
- Projekt końcowy: Tworzenie aplikacji oprogramowania wspomaganego AI
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie procesów i metodologii rozwoju oprogramowania
- Doświadczenie w programowaniu w Pythonie
- Podstawowa wiedza na temat koncepcji uczenia maszynowego
Grupa docelowa
- Programiści
- Inżynierowie oprogramowania
- Kierownicy techniczni i menedżerowie
Opinie uczestników (2)
Zdobyłem wiedzę na temat biblioteki Streamlit w Pythonie i na pewno spróbuję ją wykorzystać, aby ulepszyć aplikacje w moim zespole, które są tworzone w R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Szkolenie - GitHub Copilot for Developers
Przetłumaczone przez sztuczną inteligencję
Instruktor może dostosować poziom kursu podczas szkolenia do naszego zrozumienia tematu, dzięki czemu możemy zdobyć więcej przydatnej wiedzy, która dalej pomóc nam w wykorzystywaniu narzędzi w codziennej pracy.
Tatt Juen - ViTrox Technologies Sdn Bhd
Szkolenie - Intermediate GitHub Copilot
Przetłumaczone przez sztuczną inteligencję