Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
L'IA dans la phase d'exigences et de planification
- Utilisation du TAL (NLP) et des LLM pour l'analyse des exigences
- Conversion des entrées des parties prenantes en épiques et en user stories
- Outils d'IA pour l'affinement des stories et la génération des critères d'acceptation
Conception et architecture augmentées par l'IA
- Utilisation de l'IA pour modéliser les composants du système et les dépendances
- Génération de diagrammes d'architecture et de suggestions UML
- Validation de la conception par raisonnement système basé sur les prompts
Flux de travail de développement optimisés par l'IA
- Génération de code et montage initial (scaffolding) assistés par l'IA
- Refonte du code et améliorations des performances à l'aide des LLM
- Intégration d'outils d'IA dans les IDE (p. ex., Copilot, Tabnine, CodeWhisperer)
Tests avec l'IA
- Génération de tests unitaires et d'intégration à l'aide de modèles d'IA
- Analyse de régression et maintenance des tests assistées par l'IA
- Génération exploratoire et des cas limites par l'IA
Documentation, revue et partage des connaissances
- Génération automatique de la documentation à partir du code et des API
- Automatisation de la revue de code à l'aide de prompts et de listes de vérification d'IA
- Création de bases de connaissances et de F.A.Q. à l'aide de l'IA conversationnelle
L'IA dans l'automatisation CI/CD et du déploiement
- Optimisation des pipelines et tests basés sur les risques, améliorés par l'IA
- Suggestions intelligentes pour les releases canary et les retours en arrière (rollback)
- L'IA dans la vérification du déploiement et l'analyse post-déploiement
Gouvernance, éthique et stratégie de mise en œuvre
- Assurer un usage responsable de l'IA et éviter les biais dans le code généré
- Audit et conformité dans les flux de travail assistés par l'IA
- Élaboration d'une feuille de route pour l'adoption progressive de l'IA dans le CDL
Résumé et prochaines étapes
Pré requis
- Une bonne compréhension des concepts du cycle de vie du développement logiciel
- De l'expérience en architecture logicielle ou en direction d'équipe
- Une familiarité avec DevOps, les pratiques agiles ou les outils de CDL
Public cible
- Architectes logiciels
- Responsables du développement
- Gestionnaires d'ingénierie
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique