План на курса

Изкуствен интелигент в фазата на изискванията и планирането

  • Използване на NLP и LLMs за анализ на изискванията
  • Преобразуване на вноса на заинтересованите страни в епици и потребителски истории
  • Инструменти с изкуствен интелигент за уточняване на истории и генериране на критерии за приемане

Дизайн и архитектура с подкрепа от изкуствен интелигент

  • Използване на изкуствен интелигент за модел на систематични компоненти и зависимости
  • Генерация на архитектурни диаграми и UML предложения
  • Валидиране на дизайна чрез системно разсъждане с подсказки

Упътства за разработка с подкрепа от изкуствен интелигент

  • Генерация на код и шаблони с помощта на изкуствен интелигент
  • Рефакториране на код и подобряване на производителността с LLMs
  • Интегриране на инструменти с изкуствен интелигент в IDEs (например, Copilot, Tabnine, CodeWhisperer)

Тестване с изкуствен интелигент

  • Генерация на единични и интеграционни тестове с модели на изкуствен интелигент
  • Регресионен анализ и поддръжка на тестове с помощта на изкуствен интелигент
  • Генерация на експлоатационни и гранични случаи с изкуствен интелигент

Documentation, преглед и споделяне на знания

  • Автоматично генериране на документация от код и API-та
  • Автоматизация на прегледите на код с подсказки и списъци с изкуствен интелигент
  • Създаване на бази данни на знания и често задавани въпроси с помощта на разговорен изкуствен интелигент

Изкуствен интелигент в автоматизация на CI/CD и развертане

  • Оптимизация на линиите с подкрепа от изкуствен интелигент и тестване на основа риск
  • Интелигентни предложения за канарено пускане и отменяване на развертане
  • Изкуствен интелигент в верификация на развертане и анализ след развертане

Go управление, етика и стратегия за реализация

  • Осигуряване на отговорно използване на изкуствен интелигент и предотвратяване на предразсъдъци в генериран код
  • Аудит и съответствие на работите с подкрепа от изкуствен интелигент
  • Създаване на план за фазовно прилагане на изкуствен интелигент през SDLC

Резюме и следващи стъпки

Изисквания

  • Разбиране на концепциите за цикъл на разработка на софтуер
  • Опит в архитектура на софтуер или ръководство на екип
  • Знание за DevOps, агилни практики или инструменти за SDLC

Целева аудитория

  • Архитекти на софтуер
  • Лидери на разработчици
  • Мениджъри на инженерство
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории