Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
AI w fazie wymagań i planowania
- Wykorzystanie NLP i modeli LLM do analizy wymagań
- Przekształcanie informacji od interesariuszy w epiki i historyjki użytkowników
- Narzędzia AI do dopracowywania historyjek i generowania kryteriów akceptacji
Projektowanie i architektura wspomagane przez AI
- Używanie AI do modelowania komponentów systemu i zależności
- Generowanie diagramów architektury i sugestii UML
- Walidacja projektu poprzez wnioskowanie systemowe oparte na promptach
Przepływy pracy deweloperskiej ulepszone przez AI
- Generowanie kodu wspomagane przez AI i tworzenie szkieletu kodu
- Refaktoryzacja kodu i poprawa wydajności z wykorzystaniem modeli LLM
- Integracja narzędzi AI ze środowiskami IDE (np. Copilot, Tabnine, CodeWhisperer)
Testowanie z wykorzystaniem AI
- Generowanie testów jednostkowych i integracyjnych za pomocą modeli AI
- Analiza regresji i utrzymanie testów wspomagane przez AI
- Generowanie przypadków eksploracyjnych i brzegowych z użyciem AI
Dokumentacja, przegląd i dzielenie się wiedzą
- Automatyczne generowanie dokumentacji z kodu i API
- Automatyzacja przeglądów kodu za pomocą promptów AI i list kontrolnych
- Tworzenie baz wiedzy i FAQ z wykorzystaniem konwersacyjnej AI
AI w CI/CD i automatyzacji wdrożeń
- Optymalizacja potoków i testowanie oparte na ryzyku z wykorzystaniem AI
- Inteligentne wdrożenia canary i sugestie wycofania zmian
- AI w weryfikacji wdrożeń i analizie powdrożeniowej
Zarządzanie, etyka i strategia wdrażania
- Zapewnienie odpowiedzialnego wykorzystania AI i unikanie stronniczości w generowanym kodzie
- Audyt i zgodność w przepływach pracy wspomaganych przez AI
- Budowanie planu działania dla stopniowego wdrażania AI w całym cyklu SDLC
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie koncepcji cyklu życia oprogramowania
- Doświadczenie w architekturze oprogramowania lub kierowaniu zespołem
- Znajomość praktyk DevOps, zwinnych metodyk lub narzędzi SDLC
Grupa docelowa
- Architekci oprogramowania
- Liderzy zespołów developerskich
- Menedżerowie inżynierii
14 godzin
Opinie uczestników (1)
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