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.
Продължителност 14 часa
Съдържание и теми, включени в курса
Разбиране на код с LLM
- Стратегии за съставяне на промптове за обяснение и преглед на код
- Работа с непознати кодови бази и проекти
- Анализиране на контролния поток, зависимостите и архитектурата
Рефакториране на код за поддръжка
- Идентифициране на лошо миришещ код, мъртъв код и анти-шаблони
- Преструктуриране на функции и модули за по-голяма яснота
- Използване на LLM за предлагане на конвенции за именуване и подобрения в дизайна
Подобряване на производителността и надеждността
- Откриване на неефективности и рискове за сигурността с помощта на AI
- Предлагане на по-ефективни алгоритми или библиотеки
- Рефакториране на I/O операции, заявки към бази данни и API извиквания
Автоматизиране на документирането на код
- Генериране на коментари и резюмета на ниво функция/метод
- Писане и актуализиране на README файлове от кодови бази
- Създаване на Swagger/OpenAPI документация с подкрепата на LLM
Интеграция с инструментални вериги
- Използване на VS Code разширения и Copilot Labs за документиране
- Включване на GPT или Claude в Git pre-commit куки
- Интеграция в CI pipeline за документиране и проверка на стила на кода
Работа с наследени и многоезични кодови бази
- Обратно инженерство на по-стари или недокументирани системи
- Междуезиково рефакториране (напр. от Python към TypeScript)
- Казуси и демонстрации на програмиране с AI по двойки
Етика, осигуряване на качеството и преглед
- Валидиране на генерирани от AI промени и избягване на халюцинации
- Най-добри практики за партньорски преглед при използване на LLM
- Осигуряване на възпроизводимост и съответствие със стандартите за кодиране
Обобщение и следващи стъпки
Изисквания
- Опит с програмни езици като Python, Java или JavaScript
- Познаване на софтуерната архитектура и процесите за преглед на код
- Основно разбиране за това как функционират големите езикови модели
Аудитория
- Бекенд инженери
- DevOps екипи
- Старши разработчици и технически ръководители
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