Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 14 ore
Struttura del corso
Comprendere il Codice con gli LLM
- Strategie di prompting per la spiegazione del codice e le walkthrough
- Lavorare con codebase e progetti non familiari
- Analisi del flusso di controllo, delle dipendenze e dell'architettura
Refactoring del Codice per la Manutenibilità
- Identificazione di code smell, codice morto e anti-pattern
- Ristrutturazione di funzioni e moduli per maggiore chiarezza
- Utilizzo degli LLM per suggerire convenzioni di naming e miglioramenti progettuali
Migliorare Prestazioni e Affidabilità
- Rilevamento di inefficienze e rischi per la sicurezza con l'assistenza dell'AI
- Suggerimento di algoritmi o librerie più efficienti
- Refactoring delle operazioni I/O, delle query al database e delle chiamate API
Automazione della Documentazione del Codice
- Generazione di commenti e riepiloghi a livello di funzione/metodo
- Creazione e aggiornamento di file README da codebase
- Creazione di documentazione Swagger/OpenAPI con supporto LLM
Integrazione con le Toolchain
- Utilizzo di estensioni di VS Code e Copilot Labs per la documentazione
- Incorporamento di GPT o Claude nei pre-commit hook di Git
- Integrazione nella pipeline CI per documentazione e linting
Lavorare con Codebase Legacy e Multi-Linguaggio
- Ingegneria inversa di sistemi più vecchi o non documentati
- Refactoring cross-linguaggio (es. da Python a TypeScript)
- Studi di caso e demo di programmazione pair-AI
Etica, Garanzia della Qualità e Revisione
- Validazione delle modifiche generate dall'AI ed evitamento delle allucinazioni
- Best practice per la peer review quando si utilizzano LLM
- Garantire la riproducibilità e la conformità alle standard di coding
Riepilogo e Prossimi Passi
Requisiti
- Esperienza con linguaggi di programmazione come Python, Java o JavaScript
- Familiarità con l'architettura software e i processi di code review
- Comprendere di base il funzionamento dei Large Language Models
Pubblico Target
- Backend Engineer
- Team DevOps
- Sviluppatori senior e Tech Lead
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