Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Grundlagen des agilen Denkens
- Das Agile Manifest und seine Relevanz über die Softwareentwicklung hinaus
- Vergleich von Agile mit traditionellen Wasserfall- und plangetriebenen Modellen
- Scrum-Rollen, -Ereignisse und -Artefakte, die an akademische Projektzyklen angepasst sind
- Kanban und flowbasiertes Management für Forschungs- und Lehrteams
- Auswahl agiler Hybride, die für Ingenieur- und Designumgebungen geeignet sind
Agile Planung und Zusammenarbeit
- Verfassen von User Stories und Definieren von Akzeptanzkriterien für ingenieurwissenschaftliche Probleme
- Techniken zur Priorisierung des Backlogs: MoSCoW, Wert vs. Aufwand, risikobasierte Reihenfolge
- Sprint-Planung und Schätzung mit Nicht-Software-Teams
- Retrospektiven und kontinuierliche Verbesserung im akademischen Umfeld
- Zusammenarbeitstools und -boards für multidisziplinäre Teilnehmer
Einführung in die DevOps-Kultur
- Definition von DevOps: Überwindung der Silos zwischen Entwicklung und Betrieb
- Das CALMS-Modell: Kultur, Automatisierung, Lean, Messung, Teilen
- DevOps in Forschungslaboren, Bauingenieurteams und Architekturstudios
- Aufbau einer blameless Kultur und Feedbackschleifen in Bildungseinrichtungen
- Ethische, sicherheitsrelevante und Compliance-Aspekte bei der Einführung von DevOps im akademischen Bereich
Version Control und gemeinsames Code-Management
- Git-Grundlagen für reproduzierbare Ingenieur- und Designarbeiten
- Branching-Strategien: Trunk-basiert, Feature-Branches und vereinfachtes GitFlow
- Pull Requests, Peer Reviews und Code-Eigentum in Lehrteams
- Verwaltung von Nicht-Code-Assets: CAD-Dateien, BIM-Modelle, Simulationsdatensätze
- Repository-Organisation für Kursmaterialien und Studentenprojekte
Continuous Integration und Build-Automatisierung
- CI-Konzepte und deren Anwendung auf compilierte und skriptgestützte Ingenieurtools
- Einrichtung automatisierter Builds für Software, Simulationen und Dokumentation
- Pipeline-Stufen: Kompilieren, Package-Erstellung, Linting und Pre-Flight-Prüfungen
- Überblick über beliebte CI-Plattformen: GitHub Actions, GitLab CI, Jenkins
- Umgang mit großen Artefakten, Abhängigkeits-Caching und paralleler Ausführung
Softwarequalität und statische Analyse
- Definition von Softwarequalität: Wartbarkeit, Zuverlässigkeit, Benutzerfreundlichkeit, Effizienz
- Code-Metriken: zyklomatische Komplexität, Kopplung, Kohäsion und Duplikation
- Statische Analyse-Tools für Python, Java, C++ und gängige Ingenieur-Skripte
- Dokumentation als Qualität: Docstrings, README-Standards und lebendige Dokumente
- Integration von Qualitätskontrollen in CI-Pipelines, ohne den Fortschritt der Studenten zu behindern
Teststrategien und Testentwurf
- Die Testpyramide: Unit-, Integrations-, System- und Abnahmetests
- Verfassen von Unit-Tests für ingenieurwissenschaftliche Berechnungen, Simulationen und Dienstprogramme
- Grundlagen von testgetriebener Entwicklung (TDD) und verhaltensgetriebener Entwicklung (BDD)
- Mocking externer Systeme: Sensoren, APIs, Finite-Elemente-Solver
- Strukturierung von Test-Suites für multidisziplinäre Teamprojekte
Testautomatisierung und Continuous Testing
- Automatisierung der Testausführung innerhalb von CI/CD-Pipelines
- Testberichte, Coverage-Schwellenwerte und Management von fehleranfälligen Tests
- Property-basiertes Testing und Fuzzing für Ingenieur-Algorithmen
- Regressionstest-Strategien für sich entwickelnde Kursaufgaben
- Performance- und Lasttests für Simulations- und Rendering-Workloads
Konzepte der Continuous Delivery und Bereitstellung
- CD-Grundlagen: Delivery vs. Deployment, Umgebungen und Promotion
- Bereitstellungsmuster: Blue-Green, Canary und Feature-Toggles
- Anwendung von CD-Prinzipien zur Veröffentlichung von Forschungsartefakten, Kurs-Websites und Apps
- Grundlagen von Containern mit Docker für reproduzierbare Ingenieurumgebungen
- Einführung in Infrastructure as Code: deklarative Verwaltung von Labor- und Cloud-Einrichtungen
Beobachtbarkeit, Überwachung und Feedback
- Logging, Metriken und Tracing für akademische Software und Simulationen
- Einrichtung leichtgewichtiger Überwachung für Studentenprojekte und Forschungstools
- Nutzung von Feedback-Daten zur Iteration von Lehrmaterialien und Lab-Aufgaben
- Dashboards und Alarmierung, die für Bildungszwecke geeignet sind
- Verifikation nach der Bereitstellung und Rücksetzungsverfahren
Best Practices für Sicherheit und Qualität
- Grundlagen sicheren Codings: Eingabevalidierung, Authentifizierung und Secrets-Management
- Abhängigkeits-Scanning und Schwachstellenmanagement in Open-Source-Stacks
- Lizenzkonformität für Software, die in Lehre und Publikationen verwendet wird
- Datenschutzaspekte beim Umgang mit Studenten- und Forschungsdaten
- Aufbau einer sicherheitsbewussten Kultur in Ingenieur- und Designprogrammen
Übersetzung von Praktiken in Lehrmodule
- Entwurf agiler Projektaufgaben für Studenten der Systeme, des Bauingenieurwesens, des Designs und der Architektur
- Erstellung von Bewertungsraster, die Prozessqualität neben Produktqualität bewerten
- Einrichtung von Vorlagen-Repositories mit vor konfigurierter CI für die Nutzung durch Studenten
- Progressive Vermittlung von DevOps-Konzepten über ein Semester hinweg
- Bewertung von Studententeams anhand von Messwerten für Qualität und Automatisierung aus der Praxis
Toolchain-Auswahl und akademische Einschränkungen
- Bewertung kostenloser und Open-Source-Tools für haushaltsbewusste Abteilungen
- Integration in bestehende LMS, Dateispeicher und Lab-Infrastruktur
- Umgang mit technischer Schuld in lang laufenden Forschungs-Codebasen
- Einarbeitung von Studenten und Dozenten mit unterschiedlichen technischen Hintergründen
- Aufrechterhaltung der Nachhaltigkeit, wenn wichtige Mitwirkende graduieren oder austauschen
Voraussetzungen
- Grundlegendes Verständnis von Softwareentwicklungskonzepten
- Vertrautheit mit allgemeinen Ingenieur- oder Designarbeitsabläufen
- Erfahrung im Umgang mit Computern für akademische oder projektbasierte Arbeiten
Zielgruppe
- Professoren und Dozenten aus den Bereichen Systemtechnik, Bauingenieurwesen, Design und Architektur
- Akademisches Personal, das seine Lehrmethoden mit branchenrelevanten Praktiken modernisieren möchte
- Forschungsleiter und Laborkoordinatoren, die Technologie in den Lehrplan integrieren
42 Stunden
Erfahrungsberichte (2)
Craig war extrem engagiert im Training und hat stets darauf geachtet, dass wir aufmerksam sind. Er passte die Beispiele an unsere täglichen Aktivitäten an und gab immer eine Antwort, wenn danach gefragt wurde, auch wenn die Information nicht im Präsentationsmaterial enthalten war.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Kurs - DevOps Foundation®
Maschinelle Übersetzung
Hoher Einsatz und Fachwissen des Trainers
Jacek - Softsystem
Kurs - DevOps Engineering Foundation (DOEF)®
Maschinelle Übersetzung
