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
Comprendre le code avec les LLM
- Stratégies de prompt pour l'explication et le parcours du code
- Travail avec des bases de code et des projets inconnus
- Analyse du flux de contrôle, des dépendances et de l'architecture
Refactoriser le code pour la maintenabilité
- Identification des odeurs de code, du code mort et des anti-motifs
- Restructuration des fonctions et des modules pour la clarté
- Utilisation des LLM pour suggérer des conventions de nommage et des améliorations de conception
Améliorer les performances et la fiabilité
- Détection des inefficacités et des risques de sécurité avec l'aide de l'IA
- Suggestion d'algorithmes ou de bibliothèques plus efficaces
- Refactorisation des opérations d'E/S, des requêtes de base de données et des appels d'API
Automatiser la documentation du code
- Génération de commentaires et de résumés au niveau des fonctions/méthodes
- Rédaction et mise à jour des fichiers README à partir des bases de code
- Création de documentation Swagger/OpenAPI avec l'aide des LLM
Intégration avec les chaînes d'outils
- Utilisation des extensions VS Code et des Copilot Labs pour la documentation
- Intégration de GPT ou Claude dans les hooks de pré-engagement Git
- Intégration du pipeline CI pour la documentation et le linting
Travail avec les bases de code héritées et multilangues
- Rétro-ingénierie de systèmes anciens ou non documentés
- Refactorisation interlangages (p. ex., de Python vers TypeScript)
- Études de cas et démonstrations de programmation en duo avec IA
Éthique, assurance qualité et revue
- Validation des modifications générées par l'IA et évitement des hallucinations
- Meilleures pratiques de revue par les pairs lors de l'utilisation des LLM
- Garantie de la reproductibilité et de la conformité aux normes de codage
Résumé et prochaines étapes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript
- Familiarité avec l'architecture logicielle et les processus de revue de code
- Compréhension de base du fonctionnement des modèles de langage de grande taille
Public cible
- Ingénieurs backend
- Équipes DevOps
- Développeurs seniors et chefs d'équipe technique
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