Kom i kontakt

Kursplan

Grundvalarna för agilt tänkande

  • Det agila manifestet och dess relevans bortom mjukvara
  • Jämförelse av agila metoder med traditionella vattenfallsmodeller och planstyrda modeller
  • Scrum roller, evenemang och artefakter mappade till akademiska projektcykler
  • Kanban och flödesbaserad hantering för forsknings- och undervisningsteam
  • Att välja hybrida agila modeller lämpade för ingenjörs- och designtmiljöer

Agil planering och samarbete

  • Att skriva användarfall och definiera acceptanskriterier för ingenjörsproblem
  • Teorier för backlogprioritering: MoSCoV, värde mot ansträngning, riskdriven ordning
  • Sprintplanering och estimering med icke-mjukvaruteam
  • Retrospektiv och kontinuerlig förbättring i en akademisk miljö
  • Samarbetsverktyg och tavlor för tvärvetenskapliga deltagare

Introduktion till DevOps-kultur

  • Att definiera DevOps: att bryta ner silos mellan utveckling och drift
  • CALMS-modellen: Kultur, Automatisering, Lean, Mätning, Delning
  • DevOps i forskningslaboratorier, team inom civilingenjörsvetenskap och arkitekturateljéer
  • Att bygga en skyldighetsfri kultur och feedback-loopar i utbildningsinstitutioner
  • Ethik, säkerhet och efterlevnadskrav vid adoption av DevOps i akademiska sammanhang

Versionshantering och samarbetsmässig kodhantering

  • Git-grunder för reproducerbart ingenjörs- och desigiarbete
  • Branch-strategier: trunk-based, feature branches och förenklad GitFlow
  • Pull requests, peer review och kodägarskap i undervisningsteam
  • Hantering av icke-kodresurser: CAD-filer, BIM-modeller, simuleringsdatasets
  • Strukturering av repository för kursmaterial och studentprojekt

Kontinuerlig integration och byggautomatisering

  • KI-koncept och dess tillämpning på kompilerade och skriptade ingenjörsverktyg
  • Att konfigurera automatiserade byggprocesser för mjukvara, simuleringar och dokumentation
  • Pipeline-steg: kompilera, paketera, linsning och för-flygtkontroller
  • Översikt över populära KI-plattformar: GitHub Actions, GitLab CI, Jenkins
  • Hantering av stora artefakter, beroendecaching och parallell körning

Mjukvarukvalitet och statisk analys

  • Att definiera mjukvarukvalitet: underhållbarhet, tillförlitlighet, användbarhet, effektivitet
  • Kodmetrik: cyklokomplexitet, koppling, kohesion och duplicering
  • Statiska analysverktyg för Python, Java, C++ och vanliga ingenjörs-scripts
  • Dokumentation som kvalitet: docstrings, README-standarder och levande dokumentation
  • Att integrera kvalitetsgrindar i KI-pipelines utan att blockera studenters framsteg

Teststrategier och testdesign

  • Testpyramiden: enhetstest, integrationstest, systemtest och acceptanstest
  • Att skriva enhetstest för ingenjörsberäkningar, simuleringar och verktyg
  • Testdriven utveckling (TDD) och beteendedriven utveckling (BDD) grunder
  • Mocka externa system: sensorer, API:er, finita-element-lösare
  • Strukturera testsamlingar för tvärvetenskapliga teamprojekt

Testautomatisering och kontinuerlig testning

  • Automatisera testkörning inom CI/CD-pipelines
  • Testrapportering, täckningsgränser och hantering av flaky tests
  • Egenskapsbaserad testning och fuzzning för ingenjörsalgoritmer
  • Regressionsteststrategier för utvecklande kursuppgifter
  • Prestanda- och lasttestning för simulering och rendering

Kontinuerlig leverans och distributionskoncept

  • CD-grunder: leverans vs. deployment, miljöer och promotion
  • Distributionsmönster: blågrön, canary och feature toggles
  • Tillämpning av CD-principer för att publicera forskningsartefakter, kurs webbplatser och appar
  • Docker-containers grunder för reproducerbara ingenjörs miljöer
  • Infrastruktur som kod introduktion: att hantera labb och molnuppsättningar deklarativt

Iakttagbarhet, övervakning och feedback

  • Loggning, metrik och spårning för akademisk mjukvara och simuleringar
  • Konfigurera lättviktig övervakning för studentprojekt och forskningsverktyg
  • Använda feedback-data för att iterera på undervisningsmaterial och lab-uppgifter
  • Dashboards och alerting som passar utbildningskontexter
  • Post-deployment verifiering och rollback-procedurer

Säkerhet och bästa praxis för kvalitet

  • Grunder i säkrad kodning: inmatningsvalidering, autentisering och hantering av hemligheter
  • Skanning av beroenden och hantering av sårbarheter i öppen källkod
  • Licensöverensstämmelse för mjukvara använd i undervisning och publikation
  • Överväganden kring dataskydd vid hantering av student- och forskningsdata
  • Att bygga en säkerhetsmedveten kultur inom ingenjörs- och desigprogram

Att översätta praxis till undervisningsmoduler

  • Att designa agila projektuppgifter för studenter inom system, civilingenjörsvetenskap, design och arkitektur
  • Skapa bedömningsmatriser som bedömer processkvalitet tillsammans med produktkvalitet
  • Konfigurera templates-repository med förkonfigurerad CI för studentanvändning
  • Bygga upp DevOps-begrepp progressivt över ett läsår
  • Bedöma studentteam med verkliga kvalitets- och automatiseringsmetriker

Valet av verktygskedja och akademiska begränsningar

  • Att utvärdera gratis och öppen källkod-verktyg för budgetmedvetna avdelningar
  • Integration med befintliga LMS, fillagring och labinfrastruktur
  • Hantering av teknisk skuld i långvariga forskningskodbaserna
  • Onboarding av studenter och lärare med varierande tekniska bakgrunder
  • Att upprätthålla hållbarhet när nyckelbidragsgivare graduerar eller roterar

Krav

  • Grundläggande förståelse för begreppen inom mjukvaruutveckling
  • Vanvidhet med allmänna arbetsflöden inom ingenjörsvetenskap eller design
  • Erfarenhet av att använda datorer för akademiskt eller projektbaserat arbete

Målgrupp

  • Professorer och föreläsare från program inom Systemteknik, Civilingenjörsvetenskap, Design och Arkitektur
  • Akademisk personal som vill modernisera sin undervisning med branschrelevanta praxis
  • Forskningsledare och labkoordinatorer som integrerar teknologi i läroplanen
 42 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier