Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Umělá inteligence ve fázi požadavků a plánování
- Využití NLP a jazykových modelů k analýze požadavků
- Převod vstupů od zainteresovaných stran na rozsáhlé projekty a uživatelské scénáře
- Nástroje AI pro zdokonalování popisu funkčností a definování kritérií přijetí
Design a architektura s podporou umělé inteligence
- Využití AI k modelování komponent systému a jejich vzájemných vztahů
- Generování architektonických diagramů a návrhů UML pomocí umělé inteligence
- Validace návrhu na základě logického uvažování vytvořeného AI
Vývoj s pomocí umělé inteligence
- Generování kódu a vytváření základní struktury díla s asistencí AI
- Refaktoring kódu a zlepšování jeho výkonnosti za pomoci jazykových modelů
- Integrace nástrojů AI do vývojových prostředí (např. Copilot, Tabnine, CodeWhisperer)
Testování s využitím umělé inteligence
- Vytváření jednotkových a integračních testů pomocí modelů AI
- Pomocná analýza regrese a udržování testů řízená umělou inteligencí
- Generování experimentálních a okrajových testovacích případů pomocí AI
Dokumentace, kontrola kódu a sdílení znalostí
- Automatické vytváření dokumentace ze zdrojových kódů a API rozhraní
- Automatizovaná kontrola kódu za použití promptů a kontrolních seznamů vytvořených AI
- Vytváření znalostní bázi a FAQ s pomocí konverzační umělé inteligence
Umělá inteligence v CI/CD a automatizaci nasazování
- Optimalizace kanálů pro vývoj a testování s podporou AI, včetně rizikové analýzy
- Inteligentní doporučení ohledně postupného nasazování i zpětného přechodu k předchozí verzi
- Použití AI při ověřování nových verzí softwaru a analýze po jejich nasazení
Správa, etika a strategie implementace AI
- Zajištění odpovědného využívání umělé inteligence a prevence zauzavání předpojatosti ve vygenerovaném kódu
- Kontrola shody a dodržování pravidel v pracovních postupech s využitím AI
- Vytvoření plánu pro postupné zavádění umělé inteligence do jednotlivých fází SDLC
Shrnutí a další kroky
Požadavky
- Znalost základních konceptů životního cyklu vývoje softwaru
- Praxe v oblasti softwarové architektury nebo vedení týmu
- Seznámenost s principy DevOps, agilními metodikami či nástroji pro SDLC
Cílová skupina
- Softwaroví architekti
- Vedoucí vývojových týmů
- Manažeři softwarového inženýrství
14 Hodiny
Reference (1)
Získal jsem znalosti týkající se knihovny Streamlit v Pythonu a určitě ji budu snažit použít k zlepšení aplikací ve svém týmu, které jsou vytvořeny v R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurz - GitHub Copilot for Developers
Přeloženo strojem