План на курса
Въведение в AIASE
- Общ преглед на ИИ в софтуерната инженерия
- История и еволюция на AIASE
- Ключови концепции и терминология
Технологии на ИИ в разработката на софтуер
- Основи на машинното учение
- Обработка на естествен език (NLP) за код
- Невронни мрежи и модели на дълбоко обучение
Автоматизация на разработката на софтуер с ИИ
- Инструменти на ИИ за генериране на стандартен код
- Автоматизирана рефакторинг и оптимизация на кода
- Генериране на функционални и једнични тестове
- Асистирани от ИИ проекти за дизайн и оптимизация на тестови случаи
Подобряване на качеството на кода с ИИ
- ИИ за откриване на грешки и ревю на кода
- Прогнозни анализа за поддръжката на софтуера
- Инструменти с ИИ за статичен и динамичен анализ
- Автоматизирани техники за отстраняване на грешки
- Поддържано от ИИ локализиране и ремонтиране на грешки
ИИ в DevOps и непрекъснатата интеграция/непрекъснатото разполагане (CI/CD)
- ИИ за оптимизация на създаването и разполагането
- ИИ в мониторинга и анализирането на логовете
- Прогнозни модели за CI/CD пайпове
- Базирани на ИИ автоматизирани тестови процеси в работните течения на CI/CD
- ИИ за реално време откриване и решаване на грешки
ИИ за документацията и управлението на знанията
- Автоматизирано генериране на докстрингове и документация
- Екстракция на знания от кодовете
- ИИ за търсене и рециклиране на кода
Етични предизвикателства и проблеми
- Биас и справедливост в инструментите за ИИ
- Интелектуална собственост и лицензни въпроси
- Будещето на ИИ в софтуерната инженерия
Работа с проекти и кейс стъдии
- Работа с популярни инструменти на ИИ в софтуерната инженерия
- Кейс стъдии на AIASE в индустрията
- Завършна проект: Разработка на софтуерно приложение, поддържано от ИИ
Резюме и следващи стъпки
Изисквания
- Разбиране на процесите и методологията при разработката на софтуер
- Опит с програмирането на Python
- Основно знание за концепциите на машинното учение
Публика
- Разработчици на софтуер
- Инженери по софтуер
- Технически ръководители и мениджъри
Отзиви от потребители (2)
Придобих знания за библиотеката Streamlit на Python и със сигурност ще опитам да я използвам, за да подобря приложенията в моя екип, които са създадени с R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Курс - GitHub Copilot for Developers
Машинен превод
Познанията на лектора за напреднато използване на копилот & Достатъчна и ефективна практическа сесия
Tan - ViTrox Technologies Sdn Bhd
Курс - Intermediate GitHub Copilot
Машинен превод