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
Recensioni (5)
Metodo di insegnamento
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Corso - SoapUI for API Testing
Traduzione automatica
Mi è piaciuto tutto perché è tutto nuovo per me e posso vedere il valore aggiunto che può suonare al mio lavoro.
Zareef - BMW South Africa
Corso - Tosca: Model-Based Testing for Complex Systems
Traduzione automatica
Very broad overview of the subject matter that ran through all the prerequisite knowledge in ways appropriate to the course knowledge.
James Hurburgh - Queensland Police Service
Corso - SpecFlow: Implementing BDD for .NET
It was easy to understand and to implement.
Thomas Young - Canadian Food Inspection Agency
Corso - Robot Framework: Keyword Driven Acceptance Testing
Amount of hands-on excersises.