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.
Plan du cours
Comprendre le code avec des LLM
- Stratégies de prompt pour l'explication et la présentation du code
- Travail avec des bases de code et des projets inconnus
- Analyse du flux de contrôle, des dépendances et de l'architecture
Refactoriser le code pour la maintenabilité
- Identification des odeurs de code, du code mort et des anti-motifs
- Restructuration des fonctions et des modules pour plus de clarté
- Utilisation des LLM pour suggérer des conventions de nommage et des améliorations de conception
Amélioration des performances et de la fiabilité
- Détection des inefficacités et des risques de sécurité avec l'assistance de l'IA
- Suggestions d'algorithmes ou de bibliothèques plus efficaces
- Refactoring des opérations d'E/S, des requêtes de base de données et des appels API
Automatisation de la documentation du code
- Génération de commentaires et de résumés au niveau des fonctions/méthodes
- Rédaction et mise à jour des fichiers README à partir des bases de code
- Création de documentation Swagger/OpenAPI avec le support des LLM
Intégration avec les chaînes d'outils
- Utilisation des extensions VS Code et Copilot Labs pour la documentation
- Intégration de GPT ou Claude dans les hooks pre-commit de Git
- Intégration dans le pipeline CI pour la documentation et le linting
Travail avec des bases de code legacy et multi-langages
- Ingénierie inverse des systèmes anciens ou non documentés
- Refactoring inter-langages (par exemple, de Python vers TypeScript)
- Études de cas et démonstrations de programmation en duo avec l'IA
Éthique, assurance qualité et revue
- Validation des modifications générées par l'IA et prévention des hallucinations
- Meilleures pratiques de revue par les pairs lors de l'utilisation des LLM
- Garantir la reproductibilité et la conformité aux normes de codage
Résumé et prochaines étapes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript
- Connaissance de l'architecture logicielle et des processus de revue de code
- Compréhension de base du fonctionnement des grands modèles de langage
Public cible
- Ingénieurs backend
- Équipes DevOps
- Développeurs seniors et chefs techniques
14 Heures
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