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.
Съдържание и теми, включени в курса
Изкуствен интелект във фазата на изисквания и планиране
- Използване на NLP и LLM за анализ на изискванията
- Превръщане на входна информация от заинтересовани страни в епоси и потребителски истории
- ИИ инструменти за усъвършенстване на истории и генериране на критерии за приемане
Дизайн и архитектура, подпомогнати от ИИ
- Използване на ИИ за моделиране на системни компоненти и зависимости
- Генериране на архитектурни диаграми и UML предложения
- Валидиране на дизайн чрез разсъждения върху системата, базирани на промптове
Работни потоци за разработка, подобрени с ИИ
- Генериране на код и шаблонно скеле, подпомогнато от ИИ
- Преработване на код и подобрения на производителността с LLM
- Интегриране на ИИ инструменти в среди за разработка (IDE) (напр. Copilot, Tabnine, CodeWhisperer)
Тестване с ИИ
- Генериране на модулни и интеграционни тестове с помощта на ИИ модели
- Регресионен анализ и поддръжка на тестове, подпомогнати от ИИ
- Изследователско и генериране на гранични случаи с ИИ
Документация, преглед и споделяне на знания
- Автоматично генериране на документация от код и API-та
- Автоматизиране на прегледа на код с помощта на ИИ промптове и контролни списъци
- Създаване на бази от знания и често задавани въпроси с помощта на конверсационен ИИ
ИИ в CI/CD и автоматизация на внедряването
- Оптимизация на конвейри и тестване, базирано на риска, подобрени с ИИ
- Интелигентни предложения за канарско пускане и откат
- Изкуствен интелект при верификация на внедряване и анализ след внедряване
Управление, етика и стратегия за внедряване
- Осигуряване на отговорно използване на ИИ и избягване на пристрастия в генерирания код
- Одит и съответствие в работни потоци, подпомогнати от ИИ
- Изграждане на пътна карта за поетапно възприемане на ИИ в целия SDLC
Обобщение и следващи стъпки
Изисквания
- Разбиране на концепциите за жизнения цикъл на разработка на софтуер
- Опит в софтуерната архитектура или ръководенето на екипи
- Познания с DevOps, гъвкави практики или инструменти за SDLC
Аудитория
- Софтуерни архитекти
- Ръководители разработка
- Инженерни мениджъри
14 Часа
Отзиви от участници (1)
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