Struttura del corso
Capire il Codice con LLMs
- Strategie di prompt per la spiegazione e l'analisi del codice
- Lavorare su codebase sconosciute e progetti
- Analizzare il flusso di controllo, le dipendenze ed l'architettura
Rifattorizzazione del Codice per la Manutenibilità
- Identificare code smells, codice morto e anti-patterns
- Ristrutturare funzioni e moduli per maggiore chiarezza
- Usare LLMs per suggerire convenzioni di denominazione e miglioramenti progettuali
Migliorare Prestazioni e Affidabilità
- Rilevare inefficienze e rischi di sicurezza con l'aiuto dell'IA
- Suggerire algoritmi o librerie più efficienti
- Rifattorizzare operazioni I/O, query del database e chiamate API
Automatizzazione del Codice Documentation
- Generare commenti e riassunti a livello di funzione/metodo
- Scrivere e aggiornare i file README dai codebase
- Criare documentazioni Swagger/OpenAPI con supporto LLM
Integrazione con Toolchains
- Usare estensioni VS Code e Copilot Labs per la documentazione
- Incorporare GPT o Claude nei hook pre-commit di Git
- Integrare i pipeline CI per la documentazione e l'addestramento
Lavorare su Codebase Legacy e Multi-Lingua
- Ingegneria inversa di sistemi più vecchi o non documentati
- Rifattorizzazione cross-linguistica (es., da Python a TypeScript)
- Studi di caso e dimostrazioni di programmazione pair-AI
Etica, Garanzia della Qualità e Revisione
- Validare i cambiamenti generati dall'IA ed evitare le "hallucinations"
- Migliori prassi per la revisione peer quando si usano LLMs
- Garantire riproducibilità e conformità con standard di codifica
Riepilogo e Passaggi Successivi
Requisiti
- Esperienza con linguaggi di programmazione come Python, Java o JavaScript
- Familiarità con l'architettura software e i processi di revisione del codice
- Comprensione basilare di come funzionano i modelli a linguaggio vasto
Pubblico Obiettivo
- Ingegneri backend
- Team DevOps
- Sviluppatori senior e lead tecnici
Recensioni (2)
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
Istruttore capace di regolare il livello del corso durante la formazione per adattarlo al nostro livello di comprensione dell'argomento, in modo da acquisire una conoscenza più utile che ci aiuterà ulteriormente a sfruttare gli strumenti nel nostro lavoro quotidiano.
Tatt Juen - ViTrox Technologies Sdn Bhd
Corso - Intermediate GitHub Copilot
Traduzione automatica