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
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-verstärktes Design und Architektur
- Nutzung von KI zum Modellieren von Systemkomponenten und Abhängigkeiten
- Generierung von Architekturdigrammen und Vorschlägen für UML
- Validierung des Designs durch prompt-basierte Systemreasoning (Schlussfolgerungen)
KI-erweiterte Entwicklungsarbeitsabläufe
- KI-unterstützte Code-Generierung und Erstellung von Grundgerüsten (Boilerplate)
- Code-Refaktorierung und Leistungsverbesserungen mittels LLMs
- Integration von KI-Tools in IDEs (z. B. Copilot, Tabnine, CodeWhisperer)
Testing mit KI
- Generierung von Unit- und Integrationstests mittels KI-Modellen
- KI-unterstützte Regression-Analyse und Testpflege
- Generierung explorativer und Grenzfälle mit KI
Dokumentation, Überprüfung und Wissensaustausch
- Automatische Generierung der Dokumentation aus Code und APIs
- Automatisierung von Code-Reviews mittels KI-Prompts und Checklisten
- Erstellen von Wissensdatenbanken und FAQs mittels conversational AI (Chatbots)
KI in CI/CD und Bereitstellungsautomatisierung
- KI-optimierte Pipeline-Verbesserung und risikobasiertes Testing
- Intelligente Canarey-Veröffentlichungen und Rollback-Vorschläge
- KI bei der Bereitstellungsüberprüfung und Analyse nach der Bereitstellung
Governance, Ethik und Implementierungsstrategie
- Sicherstellung eines verantwortungsvollen KI-Einsatzes und Vermeidung von Bias in generiertem Code
- Prüfung und Compliance in KI-unterstützten Arbeitsabläufen
- Aufbau eines Fahrplans für die schrittweise KI-Implementierung im gesamten SDLC
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis der Konzepte des Software-Entwicklungslebenszyklus
- Erfahrung in Software-Architektur oder Teamführung
- Vertrautheit mit DevOps, agilen Methoden oder SDLC-Tools
Zielgruppe
- Software-Architekten
- Entwicklungsleiter
- Engineering-Manager
14 Stunden
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