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 Phase der Anforderungen und Planung
- Verwendung von NLP und LLMs für die Anforderungsanalyse
- Überführung von Stakeholder-Eingaben in Epics und User Stories
- KI-Tools zur Verfeinerung von Stories und zur Generierung von Akzeptanzkriterien
KI-erweitertes Design und Architektur
- Nutzung von KI zur Modellierung von Systemkomponenten und Abhängigkeiten
- Generierung von Architekturdiagrammen und Vorschlägen für UML
- Designvalidierung durch prompt-basiertes Systemreasoning
KI-gestützte Entwicklungsworkflows
- KI-gestützte Codegenerierung und Erzeugung von Boilerplate-Gerüsten
- Code-Refactoring und Leistungsoptimierung unter Einsatz von LLMs
- Integration von KI-Tools in IDEs (z. B. Copilot, Tabnine, CodeWhisperer)
Testing mit KI
- Generierung von Unit- und Integrationstests mithilfe von KI-Modellen
- KI-gestützte Regressionsanalyse und Testwartung
- Erzeugung explorativer und Grenzfall-Szenarien mit KI
Dokumentation, Review und Wissensaustausch
- Automatische Dokumentationsgenerierung aus Code und APIs
- Automatisierung von Code-Reviews mithilfe von KI-Prompts und Checklisten
- Erstellung von Wissensbasen und FAQs mithilfe von conversational AI
KI in CI/CD und Deployment-Automatisierung
- KI-optimierte Pipeline-Optimierung und risikobasiertes Testing
- Intelligente Vorschläge für Canary-Releases und Rollbacks
- KI in der Deployment-Verifizierung und Post-Deployment-Analyse
Governance, Ethik und Implementierungsstrategie
- Sicherstellung eines verantwortungsvollen KI-Einsatzs und Vermeidung von Verzerrungen im generierten Code
- Auditierung und Compliance in KI-gestützten Workflows
- Erstellung eines Roadmaps für den schrittweisen KI-Einsatz im gesamten SDLC
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis der Konzepte des Software-Entwicklungslebenszyklus
- Erfahrung in der Software-Architektur oder Teamführung
- Vertrautheit mit DevOps, agilen Methoden oder SDLC-Tooling
Zielgruppe
- Software-Architekten
- Entwicklungsführungskräfte
- 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