Struttura del corso

Introduzione all'AIASE

  • Panoramica dell'IA nell'ingegneria del software
  • Storia ed evoluzione dell'AIASE
  • Concetti chiave e terminologia

Tecnologie di intelligenza artificiale nello sviluppo software

  • Nozioni di base sull'apprendimento automatico
  • Elaborazione del linguaggio naturale (NLP) per il codice
  • Reti neurali e modelli di deep learning

Automatizzare lo sviluppo del software con l'intelligenza artificiale

  • Strumenti di intelligenza artificiale per la generazione di codice boilerplate
  • Refactoring e ottimizzazione automatizzati del codice
  • Generazione di codice di test funzionali e unitari
  • Progettazione e ottimizzazione di casi di test assistiti dall'intelligenza artificiale

Migliorare la qualità del codice con l'intelligenza artificiale

  • Intelligenza artificiale per il rilevamento di bug e la revisione del codice
  • Analisi predittiva per la manutenzione del software
  • Strumenti di analisi statica e dinamica basati sull'intelligenza artificiale
  • Tecniche di debug automatizzato
  • Localizzazione e riparazione dei guasti basata sull'intelligenza artificiale

Intelligenza artificiale in DevOps e integrazione continua/distribuzione continua (CI/CD)

  • Intelligenza artificiale per l'ottimizzazione e la distribuzione della build
  • L'intelligenza artificiale nel monitoraggio e nell'analisi dei log
  • Modelli predittivi per pipeline CI/CD
  • Automazione dei test basata sull'intelligenza artificiale nei flussi di lavoro CI/CD
  • Intelligenza artificiale per il rilevamento e la risoluzione degli errori in tempo reale

IA per Documentation e Conoscenza Management

  • Generazione automatizzata di docstring e documentazione
  • Estrazione di conoscenza dalle basi di codice
  • Intelligenza artificiale per la ricerca e il riutilizzo del codice

Considerazioni e sfide etiche

  • Bias ed equità negli strumenti di IA
  • Proprietà intellettuale e questioni relative alle licenze
  • Il futuro dell'IA nell'ingegneria del software

Progetti pratici e casi di studio

  • Lavorare con i più diffusi strumenti di intelligenza artificiale nell'ingegneria del software
  • Casi di studio di AIASE nell'industria
  • Progetto Capstone: sviluppo di un'applicazione software potenziata dall'intelligenza artificiale

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei processi e delle metodologie di sviluppo del software
  • Esperienza con la programmazione in Python
  • Conoscenza di base dei concetti di machine learning

Pubblico

  • Sviluppatori di software
  • Ingegneri del software
  • Responsabili tecnici e manager
 14 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (7)

Corsi relativi

Categorie relative