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 mit LLMs
- Prompt-Strategien für Code-Erklärungen und Walkthroughs
- Arbeit mit unbekannten Codebasen und Projekten
- Analysieren von Kontrollfluss, Abhängigkeiten und Architektur
Refactoring von Code für Wartbarkeit
- Identifizierung von Code Smells, totem Code und Antipatternn
- Neuordnung von Funktionen und Modulen für mehr Klarheit
- Verwendung von LLMs für Vorschläge zu Namenskonventionen und Designverbesserungen
Verbesserung von Leistung und Zuverlässigkeit
- Erkennung von Ineffizienzen und Sicherheitsrisiken mit KI-Unterstützung
- Vorschlag effizienterer Algorithmen oder Bibliotheken
- Refactoring von I/O-Operationen, Datenbankabfragen und API-Aufrufen
Automatisierung der Code-Dokumentation
- Generierung von Funktions- und Methodenkommentaren sowie Zusammenfassungen
- Erstellung und Aktualisierung 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 die Dokumentation
- Einsatz von GPT oder Claude in Git-Pre-Commit-Hooks
- CI-Pipeline-Integration für Dokumentation und Linting
Arbeit mit Legacy- und Multisprachen-Codebasen
- Reverse Engineering älterer oder undokumentierter Systeme
- Refactoring zwischen Sprachen (z. B. von Python zu TypeScript)
- Fallstudien und Demos zu Pair-AI-Programmierung
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 der Coding-Standards
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Programmiersprachen wie Python, Java oder JavaScript
- Kenntnisse in der Softwarearchitektur und den Code-Review-Prozessen
- Grundlegendes Verständnis der Funktionsweise von Large Language Models
Zielgruppe
- Backend-Entwickler
- 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