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
Codeverständnis durch LLMs
- Prompting-Strategien zur Codeerklärung und zum Walkthrough
- Arbeit mit unbekannten Codebasen und Projekten
- Analysieren von Kontrollfluss, Abhängigkeiten und Architektur
Refactoring für Wartbarkeit
- Identifizieren von Code-Smells, totem Code und Antipatterns
- Umstrukturieren von Funktionen und Modulen für mehr Klarheit
- Verwendung von LLMs für Vorschläge zu Namenskonventionen und Designverbesserungen
Verbesserung von Leistung und Zuverlässigkeit
- Erkennen von Ineffizienzen und Sicherheitsrisiken mit KI-Unterstützung
- Vorschlag effizienterer Algorithmen oder Bibliotheken
- Refactoring von I/O-Operationen, Datenbankabfragen und API-Aufrufen
Automatisierung der Codedokumentation
- Generieren von Kommentaren und Zusammenfassungen auf Funktions- und Methodenebene
- Schreiben und Aktualisieren von README-Dateien basierend auf Codebasen
- Erstellen von Swagger-/OpenAPI-Dokumenten mit LLM-Unterstützung
Integration in Toolchains
- Einsatz von VS Code-Erweiterungen und Copilot Labs für Dokumentation
- Einbindung von GPT oder Claude in Git-Pre-Commit-Hooks
- CI-Pipeline-Integration für Dokumentation und Linting
Arbeit mit Legacy- und Multi-Language-Codebasen
- Reverse Engineering älterer oder undocumented Systeme
- Cross-Language-Refactoring (z. B. von Python zu TypeScript)
- Case Studies und Pair-AI-Programmierdemos
Ethik, Qualitätssicherung und Review
- Validierung KI-generierter Änderungen und Vermeidung von Halluzinationen
- Best Practices für Peer Reviews bei der Nutzung von LLMs
- Gewährleistung 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 der Funktionsweise grosser Sprachmodelle
Zielgruppe
- Backend-Engineers
- DevOps-Teams
- Senior Developer 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