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.
Plan du cours
Compréhension du code avec les LLM
- Stratégies de prompting 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.
Refactorage du code pour la maintenabilité
- Identification des code smells, du code mort et des anti-modèles.
- Restructuration des fonctions et des modules pour plus de clarté.
- Utilisation des LLM pour suggérer des conventions de nommage et des améliorations architecturales.
Amélioration des performances et de la fiabilité
- Détection des inefficacités et des risques de sécurité avec l'assistance de l'IA.
- Suggestions d'algorithmes ou de bibliothèques plus efficaces.
- Refactoring des opérations d'E/S, des requêtes de base de données et des appels d'API.
Automatisation de 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 le soutien des LLM.
Intégration aux chaînes d'outils
- Utilisation des extensions VS Code et de Copilot Labs pour la documentation.
- Intégration de GPT ou Claude dans les hooks Git pre-commit.
- Intégration dans les pipelines CI pour la documentation et le linter.
Travail avec les bases de code patrimoniales et multi-langages
- Ingénierie inverse des systèmes anciens ou non documentés.
- Refactoring inter-langages (par exemple, de Python vers TypeScript).
- Études de cas et démonstrations de programmation en binôme avec l'IA.
Éthique, assurance qualité et révision
- Validation des modifications générées par l'IA et prévention des hallucinations.
- Meilleures pratiques de revue par les pairs lors de l'utilisation des LLM.
- Garantie de reproductibilité et conformité aux normes de codage.
Résumé et prochaines étapes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript.
- Connaissance des processus d'architecture logiciel et de revue de code.
- Compréhension de base du fonctionnement des grands modèles de langage.
Audience cible
- Ingénieurs backend.
- Équipes DevOps.
- Développeurs seniors et chefs techniques.
14 Heures
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
