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.
Dauer 14 Stunden
Schulungsübersicht
KI in der Anforderungs- und Planungsphase
- Einsatz von NLP und LLMs für die Anforderungsanalyse
- Umwandlung von Stakeholder-Eingaben in Epics und User Stories
- KI-Tools zur Verfeinerung von Stories und Generierung von Akzeptanzkriterien
KI-gestütztes Design und Architektur
- Modellierung von Systemkomponenten und Abhängigkeiten mithilfe von KI
- Generierung von Architekturdiagrammen und UML-Vorschlägen
- Validierung von Designs durch promptbasiertes systemisches Denken
KI-verbesserte Entwicklungsworkflows
- KI-gestützte Codegenerierung und Erstellung von Grundgerüsten (Boilerplate)
- Code-Refactoring und Leistungsoptimierung mithilfe von LLMs
- Integration von KI-Tools in IDEs (z. B. Copilot, Tabnine, CodeWhisperer)
Testen mit KI
- Generierung von Unit- und Integrationstests mithilfe von KI-Modellen
- KI-gestützte Regressionsanalyse und Testwartung
- Generierung explorativer und Grenzfällen durch KI
Dokumentation, Überprüfung und Wissensaustausch
- Automatische Generierung von Dokumentationen aus Code und APIs
- Automatisierung von Code-Reviews mithilfe von KI-Prompts und Checklisten
- Erstellung von Wissensdatenbanken und FAQs mithilfe von conversational AI
KI in CI/CD und Bereitstellungsoptimierung
- KI-optimierte Pipeline-Anpassung und risikobasiertes Testen
- Intelligente Canary-Release- und Rollback-Empfehlungen
- KI in der Bereitstellungsgutachtung und Post-Deploy-Analyse
Governance, Ethik und Umsetzungsstrategie
- Sicherstellung des verantwortungsvollen KI-Einsatzs und Vermeidung von Verzerrungen in generiertem Code
- Auditing und Compliance in KI-gestützten Workflows
- Entwicklung einer Roadmap für die schrittweise Einführung von KI im gesamten SDLC
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis der Konzepte des Software-Entwicklungslebenszyklus
- Erfahrung in der Softwarearchitektur oder Teamführung
- Vertrautheit mit DevOps, agilen Methoden oder SDLC-Tools
Zielgruppe
- Softwarearchitekten
- Entwicklungsverantwortliche
- Engineering Manager
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung