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 21 heures
Plan du cours
Introduction au « Vibe Coding »
- Définition et historique du « vibe coding »
- Philosophie de la collaboration « prompt-to-code »
- Différences entre le codage IA et le développement traditionnel
Grands modèles de langage (LLM) dans le codage
- Aperçu des LLM pour développeurs : GPT-4, DeepSeek, Qwen, Mistral
- Comparaison entre codeurs IA open source et propriétaires
- Déploiement de LLM localement ou via API
« Prompt Engineering » pour les développeurs
- Stratégies de sollicitation efficaces pour générer et refactoriser du code
- Gestion du contexte et de l’état des conversations
- Création de modèles de prompts réutilisables pour les tâches de codage
Environnements pratiques de « Vibe Coding »
- Utilisation de Replit pour le codage collaboratif avec IA
- Intégration de GitHub Copilot et de Qwen Coder dans les IDE
- Personnalisation des flux de travail pour la collaboration d’équipe
Qualité et validation du code dans les flux IA
- Revue et tests du code généré par les LLM
- Garantir la cohérence, la maintenabilité et la sécurité
- Intégration d’outils de validation du code dans le flux de travail
Intégration et gouvernance en entreprise
- Extension du « vibe coding » à l’échelle des équipes
- Gouvernance, éthique et conformité de l’IA dans la génération de code
- Conception de cadres organisationnels pour le développement assisté par IA
Sujets avancés : Poursuite du « Vibe Coding »
- Combinaison de plusieurs LLM pour des flux IA hybrides
- Intégration du « vibe coding » avec l’automatisation CI/CD
- Tendances futures : écosystèmes de développement multi-agents
Projet d’équipe et collaboration
- Conception d’un projet de codage réel assisté par IA
- Collaboration entre développeurs humains et IA
- Présentation des résultats et mesure des gains de productivité
Résumé et prochaines étapes
Pré requis
- Une bonne compréhension des flux de travail de développement logiciel
- De l’expérience avec Python, JavaScript ou un autre langage de programmation moderne
- Une familiarité avec les systèmes de contrôle de version basés sur Git
Public cible
- Ingénieurs logiciels explorant le développement assisté par IA
- Responsables d’équipes dirigeant l’adoption de l’IA dans les flux de codage
- Équipes de développement d’entreprise souhaitant intégrer les LLM dans leurs pipelines de production
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