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
Разбиране на код с LLM
- Стратегии за подкани за обяснение на код и преглед на работата му
- Работа с непознати кодови бази и проекти
- Анализ на контролния поток, зависимостите и архитектурата
Преработване на код за по-лесна поддръжка
- Идентифициране на „миризми“ в кода, 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 неефективност и рискове за сигурността с помощта на AI
- Предлагане на по-ефективни алгоритми или библиотеки
- Преработване на I/O операции, заявки към бази данни и API повиквания
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 поддръжка от LLM
Интеграция с инструментални вериги
- Използване на разширения за VS Code и Copilot Labs за документиране
- Включване на GPT или Claude в Git pre-commit куки
- Интеграция в CI pipeline за документиране и статичен анализ на кода
Работа с наследени и многоезикови кодови бази
- Обратно инженерство на по-стари или недокументирани системи
- Междуезиково преработване на код (напр. от Python към TypeScript)
- Казуси и демонстрации на програмиране в двойка с AI
Етика, осигуряване на качеството и преглед
- Валидиране на промени, генерирани от AI, 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 езици за програмиране като Python, Java или JavaScript
- Запознатост със софтуерната архитектура и процесите по преглед на код
- Основни познания за функционирането на големите езикови модели
Аудитория
- Backend инженери
- DevOps екипи
- Старши разработчици и технически ръководители
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