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.
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
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