Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
L'IA dans la phase de conception et de planification des exigences
- Utilisation du NLP et des LLM pour l'analyse des exigences
- Conversion des contributions des parties prenantes en épiques et user stories
- Outils d'IA pour l'affinage des stories et la génération de critères d'acceptation
Conception et architecture augmentées par l'IA
- Utilisation de l'IA pour modéliser les composants et les dépendances du système
- Génération de diagrammes d'architecture et de suggestions UML
- Validation de la conception par raisonnement système basé sur des prompts
Flux de travail de développement améliorés par l'IA
- Génération de code et de squelettes (scaffolding) assistés par l'IA
- Refactoring du code et amélioration des performances à l'aide des LLM
- Intégration d'outils d'IA dans les IDE (ex. : Copilot, Tabnine, CodeWhisperer)
Tests avec l'IA
- Génération de tests unitaires et d'intégration à l'aide de modèles d'IA
- Analyse de régression et maintenance de tests assistées par l'IA
- Génération de cas exploratoires et de cas limites avec l'IA
Documentation, revue et partage des connaissances
- Génération automatique de documentation à partir du code et des API
- Automatisation de la revue de code à l'aide de prompts et de checklists IA
- Création de bases de connaissances et de FAQs à l'aide de l'IA conversationnelle
L'IA dans l'automatisation CI/CD et du déploiement
- Optimisation des pipelines et tests basés sur les risques, améliorés par l'IA
- Suggestions intelligentes de publication canary et de retour arrière
- L'IA dans la vérification du déploiement et l'analyse post-déploiement
Gouvernance, éthique et stratégie de mise en œuvre
- Veiller à un usage responsable de l'IA et éviter les biais dans le code généré
- Audit et conformité dans les flux de travail assistés par l'IA
- Élaboration d'une feuille de route pour l'adoption progressive de l'IA dans le SDLC
Résumé et prochaines étapes
Pré requis
- Compréhension des concepts du cycle de vie du développement logiciel
- Expérience en architecture logicielle ou en leadership d'équipe
- Familiarité avec DevOps, les pratiques agiles ou les outils SDLC
Public cible
- Architectes logiciels
- Responsables du développement
- Directeurs d'ingénierie
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique