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
Comprendre le code avec les LLM
- Stratégies de prompt pour l'explication et l'analyse du code
- Travailler avec des bases de code et des projets non familiers
- Analyser le flux de contrôle, les dépendances et l'architecture
Refactoriser le code pour la maintenabilité
- Identifier les mauvaises pratiques (code smells), le code mort et les anti-motifs
- Restructurer les fonctions et les modules pour plus de clarté
- Utiliser les LLM pour suggérer des conventions de nommage et des améliorations de conception
Améliorer les performances et la fiabilité
- Détecter les inefficacités et les risques de sécurité avec l'aide de l'IA
- Suggérer des algorithmes ou des bibliothèques plus efficaces
- Refactoriser les opérations d'E/S, les requêtes de base de données et les appels d'API
Automatiser la documentation du code
- Générer des commentaires et des résumés au niveau des fonctions/méthodes
- Rédiger et mettre à jour les fichiers README à partir des bases de code
- Créer des documents Swagger/OpenAPI avec l'assistance de LLM
Intégration aux chaînes d'outils
- Utiliser les extensions VS Code et Copilot Labs pour la documentation
- Incorporer GPT ou Claude dans les hooks pre-commit de Git
- Intégration dans les pipelines CI pour la documentation et l'analyse statique (linting)
Travailler avec des bases de code héritées et multilingues
- Reconstruire (reverse-engineering) d'anciens systèmes ou des systèmes non documentés
- Refactorisation inter-langages (par exemple, de Python vers TypeScript)
- Études de cas et démonstrations de programmation avec IA (pair-AI)
Éthique, assurance qualité et revue
- Valider les modifications générées par l'IA et éviter les hallucinations
- Meilleures pratiques de revue par les pairs lors de l'utilisation de LLM
- Garantir la reproductibilité et la conformité aux normes de codage
Résumé et étapes suivantes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript
- Connaissance des architectures logicielles et des processus de revue de code
- Compréhension de base du fonctionnement des grands modèles de langage
Public cible
- Ingénieurs back-end
- Équipes DevOps
- Développeurs seniors et leads techniques
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