Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Időtartalma 14 órák
Kurzusleírás
A kód megértése LLM-ekkel
- Promptozási stratégiák a kód magyarázatához és bemutatásához
- Munka ismeretlen kódbázisokkal és projektekkkel
- Vezérlésfolyam, függőségek és architektúra elemzése
A kód refaktorálása a karbantarthatóságért
- Kódillatok, felesleges kód és anti-minták azonosítása
- Függvények és modulok átszervezése a tisztaság érdekében
- LLM-ek használata elnevezési konvenciók és tervezési javaslataik generálására
A teljesítmény és megbízhatóság javítása
- Hatékonysági problémák és biztonsági kockázatok felismerése AI-asszisztenciával
- Hatékonyságiabb algoritmusok vagy könyvtárak javaslatára
- I/O műveletek, adatbázis-lekérdezések és API-hívások refaktorálása
A kóddokumentáció automatizálása
- Függvény-/metodusszintű kommentek és összefoglalók generálása
- README-fájlok írása és frissítése a kódbázisok alapján
- Swagger/OpenAPI dokumentumok létrehozása LLM-támogatással
Beágyazás a fejlesztői eszközökbe
- VS Code bővítmények és Copilot Labs használata dokumentálási célokra
- GPT vagy Claude integrálása Git pre-commit hook-okba
- CI pipeline integrációja dokumentációhoz és linteléshez
Munka legacy és többnyelvű kódbázisokkal
- Régebbi vagy dokumentálatlan rendszerek visszafejtése
- Köznyelvű refaktorálás (pl. Pythonból TypeScript-be)
- Esettanulmányok és AI-páros programozási demók
Etika, minőségbiztosítás és átvizsgálás
- AI által generált módosítások validálása és a „hallucinációk” elkerülése
- Kollega átvizsgálás legjobb gyakorlatai LLM-ek használatakor
- Ismételhetőség biztosítása és a kódkonvenciók betartása
Összegzés és következő lépések
Követelmények
- Tapasztalat programozási nyelvekkel, mint például Python, Java vagy JavaScript
- Előzetes ismeretek a szoftverarchitektúrával és a kódátvizsgálási folyamatokkal kapcsolatban
- Alapvető megértése a nagy nyelvi modellek működéséhez
Képzési kör
- Háttérfejlesztők
- DevOps csapatok
- Haladó fejlesztők és technikai vezetők
Vélemények (1)
Hogy megszereztem tudást a Python Streamlit könyvtárról, és biztosan megpróbálom használni annak érdekében, hogy fejlesszem a csapatomban használt R Shiny alkalmazásokat.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurzus - GitHub Copilot for Developers
Gépi fordítás