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 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
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