Struttura del corso
L’IA nella fase di analisi dei requisiti e di pianificazione
- Utilizzo del NLP e dei modelli linguistici di grandi dimensioni per l’analisi dei requisiti
- Conversione delle indicazioni fornite dagli stakeholder in epici e storie utente strutturate
- Strumenti basati sull’IA per il perfezionamento dei requisiti e la definizione dei criteri di accettazione
Progettazione e architettura affiancate dall’IA
- Impiego dell’IA per modellare i componenti di un sistema e le loro interdipendenze
- Generazione automatica di diagrammi architetturali e suggerimenti UML forniti dall’intelligenza artificiale
- Validazione dei progetti tramite ragionamento sistematico guidato da prompt specifici
Flussi di lavoro di sviluppo migliorati dall’IA
- Generazione automatica del codice e creazione rapida di modelli base mediante assistenza IA
- Refactoring del codice ed ottimizzazione delle sue prestazioni grazie ai LLM
- Integrazione di strumenti intelligenti nei vari IDE (ad esempio Copilot, Tabnine e CodeWhisperer)
Testing automatizzato con l’aiuto dell’IA
- Creazione automatica di test unitari e di integrazione mediante modelli AI avanzati
- Analisi predittiva delle regressioni e gestione automatizzata dei test assistita dall’IA
- Generazione di casi esplorativi e test mirati alle condizioni limite, anch’essi guidati da intelligenza artificiale
Documentazione, revisioni del codice e condivisione della conoscenza
- Creazione automatica di documentazione a partire da codice e API grazie all’IA
- Automazione delle revisioni del codice, supportata da prompt predefiniti e liste di controllo IA
- Costruzione di banche dati informative e FAQ generati da modelli conversazionali AI
L’IA nei processi CI/CD e nell’automazione del deployment
- Ottimizzazione dei pipeline di sviluppo e analisi predittiva dei rischi, ottenute grazie all’IA
- Suggerimenti intelligenti per rilasci progressivi e operazioni di rollback automatico
- Monitoraggio affidabile del deployment e analisi post-implementazione svolte tramite algoritmi AI
Governanza, etica e strategie di implementazione
- Garanzia dell’uso responsabile delle tecnologie IA ed evitamento di distorsioni nei risultati ottenuti dal codice generato
- Procedure di audit e conformità necessarie per i flussi lavorativi assistiti dall’IA
- Realizzazione di un piano d’azione graduale volto all’adozione diffusa dell’IA in tutti gli stadi dello SDLC
Conclusioni e prossimi passi da intraprendere
Requisiti
- Conoscenza dei concetti fondamentali legati al ciclo di vita dello sviluppo software
- Esperienza nel ruolo di architetto del software o di responsabile di team
- Familiarità con le pratiche DevOps, l’approccio agile e gli strumenti utilizzati nello SDLC
Destinatari del corso
- Architetti software
- Responsabili dello sviluppo
- Manager di progetti ingegneristici
Recensioni (1)
Ho acquisito una conoscenza riguardante la libreria Streamlit di Python e sicuramente cercherò di utilizzarla per migliorare le applicazioni del mio team, che sono sviluppate con R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Corso - GitHub Copilot for Developers
Traduzione automatica