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
Code mit LLMs verstehen
- Prompting-Strategien für Code-Erklärungen und Walkthroughs
- Arbeit mit unbekannten Codebasen und Projekten
- Analyse von Kontrollfluss, Abhängigkeiten und Architektur
Code-Refactoring für Wartbarkeit
- Identifizierung von Code Smells, totem Code und Antipatterns
- Neustrukturierung von Funktionen und Modulen für bessere Klarheit
- Nutzung von LLMs für Vorschläge zu Benennungskonventionen und Designverbesserungen
Verbesserung von Leistung und Zuverlässigkeit
- Erkennung von Ineffizienzen und Sicherheitsrisiken mit KI-Unterstützung
- Vorschläge für effizientere Algorithmen oder Bibliotheken
- Refactoring von I/O-Operationen, Datenbankabfragen und API-Aufrufen
Automatisierung der Code-Dokumentation
- Generierung von Funktions-/Methoden-Kommentaren und Zusammenfassungen
- Schreiben und Aktualisieren von README-Dateien aus Codebasen
- Erstellung von Swagger-/OpenAPI-Dokumenten mit LLM-Unterstützung
Integration in Toolchains
- Nutzung von VS Code-Erweiterungen und Copilot Labs für Dokumentation
- Eintegration von GPT oder Claude in Git-Pre-Commit-Hooks
- Integration in CI-Pipelines für Dokumentation und Linting
Arbeit mit Legacy- und Multi-Language-Codebasen
- Reverse Engineering älterer oder ungedokumentierter Systeme
- Cross-Language-Refactoring (z. B. von Python zu TypeScript)
- Fallstudien und Demos zum Pair-AI-Programming
Ethik, Qualitätssicherung und Review
- Validierung von KI-generierten Änderungen und Vermeidung von Halluzinationen
- Best Practices für Peer Reviews bei der Nutzung von LLMs
- Sicherstellung von Reproduzierbarkeit und Einhaltung von Coding-Standards
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Programmiersprachen wie Python, Java oder JavaScript
- Vertrautheit mit Softwarearchitektur und Code-Review-Prozessen
- Grundlegendes Verständnis dafür, wie grosse Sprachmodelle funktionieren
Zielgruppe
- Backend-Engineers
- DevOps-Teams
- Senior Developers und Tech Leads
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