Kom i kontakt
 Varaktighet 14 timmar

Kursplan

AI i kravanalys- och planeringsfasen

  • Användning av NLP och LLM:er för kravanalys
  • Omvandling av intressenternas inmatning till episoder och användarberättelser
  • AI-verktyg för berättelser affinering och generering av acceptanskriterier

AI-stöttad design och arkitektur

  • Använda AI för att modellera systemkomponenter och beroenden
  • Generering av arkitekturdigram och UML-förslag
  • Validering av design genom promptbaserad systemresonemang

AI-förstärkt utvecklingsarbetsflöde

  • AI-stöttad koddgenerering och boilerplate-skaffolding
  • Kodrefaktorering och prestandaförbättringar med hjälp av LLM:er
  • Integrering av AI-verktyg i IDE:er (t.ex. Copilot, Tabnine, CodeWhisperer)

Testning med AI

  • Generering av enhets- och integrationstester med hjälp av AI-modeller
  • AI-stöttad regressionsanalys och testunderhåll
  • Utforskande och gränsfalls generering med AI

Dokumentation, granskning och kunskapsspridning

  • Automatisk dokumentationsgenerering från kod och API:er
  • Kodgranskningsautomatisering med hjälp av AI-prompts och checklistor
  • Skapande av kunskapsbaser och FAQ:er med hjälp av konversationell AI

AI i CI/CD och utrollningsautomatisering

  • AI-förstärkt pipelineoptimering och riskbaserad testning
  • Intelligenta förslag på canary release och rollbacks
  • AI i utrollningsverifiering och analys efter utrollning

Styrelse, etik och implementeringsstrategi

  • Säkerställa ansvarsfull användning av AI undvika bias i genererad kod
  • Revision och efterlevnad i AI-stöttade arbetsflöden
  • Byggande av en roadmap för fasvis AI-omfattning i hela SDLC

Sammanfattning och nästa steg

Krav

  • Förståelse för koncepten inom mjukvaruutvecklingslivscykeln
  • Erfarenhet inom mjukvaruarkitektur eller teamledning
  • Trogdoma med DevOps, agila metoder eller SDLC-verktyg

Målgrupp

  • Mjukvaruarkektekt
  • Utvecklingsledare
  • Tekniska chefer

Antal deltagare


Pris per deltagare

Vittnesmål (1)

Kommande Kurser

Relaterade Kategorier