Kom i kontakt

Kursplan

Modul 1: Kontext, omfattning och leveransutmaningar

  • Autocomplete vs autonom flerstegsexekvering
  • Typiska AI-fördomar i mjukvaruleverans
  • Varför bättre promptar själva inte räcker
  • Identifiering av deltagares verktyg, smärtpunkter och mål
  • Val av lämplig AI-operativmodell för ingenjörslag

Modul 2: Specifikationsinmatning och strukturerad dekomposition

  • Bygga en strukturell inventering av intressentens dokument
  • Kravextraktionsmetoder
  • Chunksstrategier: struktur, semantik, glidande fönster
  • Bevara beroenden och korsreferenser
  • Arbeta med tabeller, diagram, flödesdiagram och blandade inmatningar
  • Hantera kontextfönster effektivt

Modul 3: Gränser för mänsklig bedömning

  • Var mänska beslut fortfarande är kritiska
  • Identifiera hallucinerade beroenden
  • Detektera konstaterade begränsningar och inverterad logik
  • Förebygg farliga standardval
  • Valideringsramar för spårbarhet, konsekvens, fullständighet

Modul 4: Från krav till kod med agentbaserade verktyg

  • Arkitektur-först-leveransmodell
  • Komponentmappning och servicegränser
  • API-avtal som leveransankare
  • Persistenta regler och begränsningar i AI-verktyg
  • Uppgiftsinstruktioner länkade till krav
  • Minimala promptar vs. begränsande promptmetoder
  • Kontrakt-först-backend och frontend-generering

Modul 5: Agentbaserad iterativ loop

  • Self-korrektur-spiralen
  • Kontrollerade iterativa leveranscykler
  • Granska diffar och kodändringar
  • Detektera omfångsuppslukning och oauktorisade ändringar
  • Hantera begränsat kontextminne
  • Använd iterativa historier för kontinuerlig förbättring

Modul 6: Kvalitetsframtvingning av kod

  • Prompt-begränsningar för kantfall
  • Regelbokar som levande styrningsartefakter
  • Automatiserade kontroller med lintsning och statisk analys
  • Säkerhetsscanning i AI-genererad kod
  • Beroende- och arkitekturkonformitetskontroller
  • Mänsklig granskning av AI-output

Modul 7: Feedback-loops och kontinuerlig förbättring

  • Mata strukturerade misslyckanden tillbaka i AI-flöden
  • Begränsade iterationer och stoppkriterier
  • Logga cyklar och resultat
  • Förbättra regelbokar över tid
  • Bygg återanvändbar teknisk intelligens

Modul 8: Säkerhetsanti-pattern i AI-leverans

  • Vanliga säkerhetsrisker i genererad kod
  • Teknologi-spesifika säkerhetsreglerbilagor
  • Före-commitsäkerhetsscanning
  • Säkra SDLC-kontroller för AI-assisterad utveckling
  • Mänsklig ansvarighet i säker leverans

Modul 9: Testning anknytande till specifikationer

  • Generera testspecifikationer från krav
  • Domänspråkstestdesign
  • Generera tester säkert
  • Mutationtestningskoncept
  • Validera specifikationstillägg
  • Genomgång av påståendestyrka
  • Diagnostiska frågeställningsmodeller

Modul 10: Underhåll av systemet

  • Levande artefakter: avtal, kartor, regler, testspecifikationer
  • Utveckling av begränsningar över tid
  • AI-styrning för långsiktig underhållbarhet
  • Förhandsbegränsa teknisk skuldsättning med hjälp av AI-kontroller
  • Operativmodell för hållbara AI-utvecklingslag

Krav

Deltagare bör ha:

  • Erfarenhet av mjukvaruutvecklingsprojekt
  • Förståelse för grundläggande applikationsarkitektur
  • Bekantskap med API:er, backend-/frontend-system eller fullstack-leverans
  • Grundläggande kunskap om agilt eller iterativt mjukvaruleverans
  • Uppfattning om mjukvarutestningskoncept
  • Exponering för AI-kodningsverktyg är till hjälp men inte obligatoriskt
  • Lämpligt för mittenivå- till högnivåtekniska professionella
 14 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier