Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction au « vibe coding »

  • Définition et historique du « vibe coding »
  • Philosophie de la collaboration « du prompt au code »
  • Différences entre le codage assisté par IA et le développement traditionnel

Les grands modèles de langage dans le codage

  • Présentation des LLM pour les développeurs : GPT-4, DeepSeek, Qwen, Mistral
  • Comparaison entre les codeurs IA open source et propriétaires
  • Déploiement des LLM localement ou via des API

« Prompt engineering » pour les développeurs

  • Création de prompts efficaces pour la génération et la refactorisation du code
  • Gestion du contexte et de l'état des conversations
  • Création de modèles de prompts réutilisables pour les tâches de codage

Environnements de « vibe coding » pratiques

  • Utilisation de Replit pour le codage collaboratif avec l'IA
  • Intégration de GitHub Copilot et de Qwen Coder dans les IDE
  • Personnalisation des flux de travail pour la collaboration d'équipe

Qualité du code et validation dans les flux de travail IA

  • Revue et test du code généré par des LLM
  • Assurance de la cohérence, de la maintenable et de la sécurité
  • Intégration d'outils de validation du code dans le flux de travail

Intégration d'entreprise et gouvernance

  • Extension du « vibe coding » à l'échelle des équipes
  • Gouvernance de l'IA, éthique et conformité dans la génération de code
  • Conception de cadres organisationnels pour le développement assisté par IA

Sujets avancés : Extension du « vibe coding »

  • Combinaison de plusieurs LLM pour des flux de travail IA hybrides
  • Intégration du « vibe coding » avec l'automatisation CI/CD
  • Tendances futures : écosystèmes de développement multi-agents

Projet d'équipe et collaboration

  • Conception d'un projet de codage assisté par IA dans un contexte réel
  • Collaboration entre développeurs humains et IA
  • Présentation des résultats et mesure des gains de productivité

Résumé et prochaines étapes

Pré requis

  • Comprendre les flux de travail de développement logiciel
  • Expérience avec Python, JavaScript ou un autre langage de programmation moderne
  • Familiarité avec les systèmes de contrôle de versions basés sur Git

Public cible

  • Ingénieurs logiciels explorant le développement assisté par IA
  • Chefs de projet technique supervisant l'adoption de l'IA dans les flux de codage
  • Équipes de développement d'entreprise souhaitant intégrer des LLM dans leurs pipelines de production

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires