Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 21 timmar
Kursplan
Introduktion till vibe coding
- Definition och historia bakom vibe coding
- Filosofin bakom samarbetet "prompt-to-code"
- Skillnaden mellan AI-kodning och traditionell utveckling
Stora språkmodeller i kodning
- Översikt över LLM:er för utvecklare: GPT-4, DeepSeek, Qwen, Mistral
- Jämförelse mellan open source och proprietära AI-kodare
- Utwrllning av LLM:er lokalt eller via API:er
Prompt engineering för utvecklare
- Effektiv prompting för att generera och refactora kod
- Hantering av kontext och konversationsstatus
- Skapande av återanvändbara promptmallar för kodninguppgifter
Praktiska miljöer för vibe coding
- Användning av Replit för samarbetsbaserad AI-kodning
- Integration av GitHub Copilot och Qwen Coder i IDE:er
- Anpassning av arbetsflöden för team-samarbete
Kodkvalitet och verifiering i AI-flöden
- Genomgång och testning av LLM-genererad kod
- Att säkerställa konsistens, underhållbarhet och säkerhet
- Integration av kodverifieringsverktyg i arbetsflödet
Enterprise-integration och styrning
- Skalning av vibe coding över flera team
- AI-styrning, etik och efterlevnad vid kodgenerering
- Utformning av organisatoriska ramverk för AI-stödd utveckling
Avancerade ämnen: Utökning av vibe coding
- Kombinera flera LLM:er för hybrida AI-flöden
- Integrering av vibe coding med CI/CD-automatisering
- Trender framöver: multi-agent-utvecklingsekosystem
Teamprojekt och samarbete
- Design av ett praktiskt projekt med AI-stödd kodning
- Samarbete mellan mänskliga och AI-utvecklare
- Presentation av resultat och mätning av produktivitetsvinst
Sammanfattning och nästa steg
Krav
- Kunskaper om mjukvaruutvecklingsarbetsflöden
- Erfarenhet av Python, JavaScript eller ett annat modernt programmeringsspråk
- Kännedom om versionshanteringssystem baserade på Git
Målgrupp
- Mjukvaruutvecklare som utforskar AI-stödd utveckling
- Teckniska ledare som övervakar AI-introduktion i kodningsarbetsflöden
- Företagsutvecklingsteam som söker integrera LLM:er i produktionspipelines
Vittnesmål (1)
Att jag har fått kunskap om Streamlit-biblioteket från Python och jag kommer säkert att försöka använda det för att förbättra applikationerna i mitt team som är skapade med R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskintolkat