Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 14 ore
Schița de curs
Înțelegerea codului cu LLM-uri
- Strategii de prompting pentru explicarea și parcurgerea codului
- Lucrul cu baze de cod și proiecte necunoscute
- Analiza fluxului de control, a dependențelor și a arhitecturii
Refactorizarea codului pentru mentenabilitate
- Identificarea code smells, a codului mort și a anti-pattern-urilor
- Restructurarea funcțiilor și modulelor pentru claritate
- Folosirea LLM-urilor pentru a sugera convenții de denumire și îmbunătățiri de design
Îmbunătățirea performanței și fiabilității
- Detectarea ineficiențelor și a riscurilor de securitate cu asistență AI
- Sugerarea unor algoritmi sau biblioteci mai eficienți
- Refactorizarea operațiunilor I/O, a interogărilor de baze de date și a apelurilor API
Automatizarea documentării codului
- Generarea de comentarii și rezumate la nivel de funcție/metodă
- Scrierea și actualizarea fișierelor README pe baza bazelor de cod
- Crearea documentației Swagger/OpenAPI cu suport LLM
Integrarea cu toolchain-uri
- Folosirea extensiilor VS Code și a Copilot Labs pentru documentare
- Încorporarea GPT sau Claude în hook-urile Git de pre-commit
- Integrarea în pipeline-ul CI pentru documentare și linting
Lucrul cu baze de cod legacy și multilingve
- Reverse engineering pe sisteme mai vechi sau nedocumentate
- Refactorizare cross-language (de exemplu, din Python în TypeScript)
- Studii de caz și demonstrații de programare în pereche cu AI
Etică, asigurarea calității și review
- Validarea modificărilor generate de AI și evitarea halucinațiilor
- Bune practici de peer review atunci când folosești LLM-uri
- Asigurarea reproductibilității și a conformității cu standardele de codare
Rezumat și pașii următori
Cerințe
- Experiență cu limbaje de programare precum Python, Java sau JavaScript
- Familiaritate cu arhitectura software și procesele de code review
- Înțelegere de bază a modului în care funcționează modelele lingvistice de mari dimensiuni
Public țintă
- Ingineri backend
- Echipe DevOps
- Dezvoltatori seniori și tech leads
Mărturii (1)
Am dobândit cunoștințe despre biblioteca Streamlit din Python și cu siguranță voi încerca să o folosesc pentru a îmbunătăți aplicațiile din echipa mea, care sunt realizate în R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curs - GitHub Copilot for Developers
Tradus de catre o masina