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 du code et les parcours de code.
- Travail avec des bases de code et projets inconnus.
- Analyse du flux de contrôle, des dépendances et de l'architecture.
Refactoring du code pour la maintenabilité
- Identification des code smells, du code mort et des antipatterns.
- Restructuration des fonctions et des modules pour plus de clarté.
- Utilisation des LLM pour suggérer des conventions de nommage et des améliorations de conception.
Amélioration des performances et de la fiabilité
- Détection des inefficacités et des risques de sécurité avec l'aide de l'IA.
- Suggestion d'algorithmes ou de bibliothèques plus efficaces.
- Refactoring des opérations d'E/S, des requêtes de base de données et des appels 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 la documentation Swagger/OpenAPI avec le soutien des LLM.
Intégration avec les chaînes d'outils
- Utilisation des extensions VS Code et Copilot Labs pour la documentation.
- Incorporation de GPT ou Claude dans les hooks de pré-validation Git.
- Intégration au pipeline CI pour la documentation et le linting.
Travail avec des bases de code héritées et multi-langages
- Ingénierie inverse de systèmes anciens ou non documentés.
- Refactoring inter-langages (par exemple, de Python vers TypeScript).
- Études de cas et démonstrations de programmation assistée par l'IA.
Éthique, assurance qualité et revue
- Validation des changements générés par l'IA et prévention des hallucinations.
- Meilleures pratiques de revue par les pairs lors de l'utilisation des LLM.
- Assurance de la 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 de l'architecture logicielle et des processus de révision de code.
- Compréhension de base du fonctionnement des grands modèles de langage.
Public cible
- Ingénieurs backend.
- Équipes DevOps.
- Développeurs seniors et chefs de projet technique.
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