Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
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