Kursplan

Förståelse av kod med LLMs

  • Strategier för att förklara och gå igenom kod
  • Arbeta med okända kodbaser och projekt
  • Analysera kontrollflöde, beroenden och arkitektur

Omstrukturering av kod för underhållbarhet

  • Identifiera kodlukt, döda koddelar och anti-mönster
  • Omstrukturera funktioner och moduler för klarhet
  • Använda LLMs för att föreslå namnkonventioner och förbättringar i design

Förbättring av prestanda och pålitlighet

  • Upptäcka ineffektivitet och säkerhetsrisker med AI-stöd
  • Förslag på mer effektiva algoritmer eller bibliotek
  • Omstrukturering av I/O-operationer, databasfrågor och API-anrop

Automatisering av kod Documentation

  • Generering av funktion/metod-nivåkommentarer och sammanfattningar
  • Skrivande och uppdatering av README-filer från kodbaser
  • Skapande av Swagger/OpenAPI-dokumentation med LLM-stöd

Integration med verktygskedjor

  • Användning av VS Code-tillägg och Copilot Labs för dokumentation
  • Inkorporering av GPT eller Claude i Git pre-commit-hooks
  • CI-pipelinesintegration för dokumentation och linting

Arbeta med gammal och flerspråkig kod

  • Ombrytning av äldre eller odokumenterade system
  • Kors-språkomstrukturering (t.ex. från Python till TypeScript)
  • Fallstudier och AI-pair-programmering-demo

Etik, kvalitetssäkring och granskning

  • Validering av AI-genererade ändringar och undvikande av hallucinationer
  • Bästa praxis för granskning av kollegor när man använder LLMs
  • Säkerställande av reproducerbarhet och överensstämmelse med kodstandarder

Sammanfattning och nästa steg


Krav

  • Erfarenhet av programmeringsspråk såsom Python, Java, eller JavaScript
  • Kännedom om mjukvaruarkitektur och kodgranskningsprocesser
  • Grundläggande förståelse för hur stora språkmodeller fungerar

Publik

  • Backendutvecklare
  • DevOps-team
  • Seniorutvecklare och tekniska ledare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier