Contattataci

Struttura del corso

Comprensione del codice tramite gli LLM

  • Tecniche di prompting per la spiegazione e l’analisi approfondita del codice
  • Lavorare con basi di codice sconosciute o poco documentate
  • Analisi del flusso di controllo, delle dipendenze e dell’architettura generale del software

Refactoring del codice per una maggiore manutenibilità

  • Riconoscimento di problemi comuni nel codice, codice inutilizzato e anti-pattern tipici
  • Ristrutturazione di funzioni e moduli al fine di aumentarne la chiarezza e semplicità d’uso
  • Utilizzo degli LLM per suggerire convenzioni di denominazione e miglioramenti strutturali

Miglioramento delle prestazioni e affidabilità del codice

  • Identificazione, grazie all’assistenza dell’intelligenza artificiale, di inefficienze e potenziali rischi per la sicurezza
  • Suggerimenti su algoritmi o librerie più performanti da adottare
  • Refactoring mirato alle operazioni I/O, alle query sui database e alle chiamate API

Automatizzazione della documentazione del codice

  • Generazione automatica di commenti a livello di funzione o metodo nonché riassunti generici
  • Creazione e aggiornamento facilitato dei file README sulla base struttura stessa del codice
  • Sviluppo rapido di documentazione Swagger/OpenAPI sfruttando il supporto degli LLM

Integrazione con gli ecosistemi di sviluppo software

  • Impiego delle estensioni per VS Code e di Copilot Labs nella generazione automatica della documentazione
  • Inserimento di modelli GPT o Claude nei comandi pre-commit di Git
  • Integrazione all’interno dei processi CI per la produzione simultanea di codice e documentazione, nonché per il controllo qualità

Lavorare con basi di codice legacy o multilingue

  • Reverse engineering di sistemi più vecchi e privi di documentazione specifica
  • Refactoring interlinguaggio (ad esempio da Python a TypeScript)
  • Presentazione di casi studio reali e dimostrazioni pratiche di programmazione assistita dall’IA

Etica, garanzia della qualità e procedure di revisione

  • Verifica rigorosa delle modifiche proposte dagli LLM al fine di evitare risultati fuorvianti o imprecisi
  • Linee guida per le revisioni tra pari in presenza di interventi effettuati mediante modelli linguistici
  • Rispetto dei principi di riproducibilità e rispetto degli standard di codifica internazionalmente accettati

Considerazioni finali e prossimi passi da compiere

Requisiti

  • Esperienza nella programmazione con linguaggi come Python, Java o JavaScript
  • Conoscenza di base dell’architettura software e dei processi di revisione del codice
  • Comprensione basilare del funzionamento dei modelli linguistici di grandi dimensioni

Destinatari

  • Ingegneri backend
  • Team DevOps
  • Sviluppatori senior e responsabili tecnici
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative