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 21 Stunden
Schulungsübersicht
Einführung in Vibe Coding
- Definition und Geschichte von Vibe Coding
- Die Philosophie der „Prompt-zu-Code“-Zusammenarbeit
- Wie sich KI-gestütztes Coden von der traditionellen Entwicklung unterscheidet
Große Sprachmodelle im Coding
- Überblick über LLMs für Entwickler: GPT-4, DeepSeek, Qwen, Mistral
- Vergleich von Open-Source- und proprietären KI-Codern
- Deployment von LLMs lokal oder über APIs
Prompt Engineering für Entwickler
- Effektive Prompts zur Codegenerierung und -refaktorierung
- Kontextverwaltung und Behandlung des Gesprächsstands
- Erstellung wiederverwendbarer Prompt-Vorlagen für Coding-Aufgaben
Praxisnahe Vibe-Coding-Umgebungen
- Einsatz von Replit für kollaboratives KI-Coding
- Integration von GitHub Copilot und Qwen Coder in IDEs
- Anpassung von Workflows für die Teamzusammenarbeit
Codequalität und Validierung in KI-Workflows
- Review und Testen von KI-generiertem Code
- Sicherstellung von Konsistenz, Wartbarkeit und Sicherheit
- Integration von Codevalidierungstools in den Workflow
Unternehmensintegration und Governance
- Skalierung von Vibe Coding über Teams hinweg
- KI-Governance, Ethik und Compliance bei der Codegenerierung
- Gestaltung organisatorischer Frameworks für KI-gestützte Entwicklung
Fortgeschrittene Themen: Erweiterung von Vibe Coding
- Kombination mehrerer LLMs für hybride KI-Workflows
- Integration von Vibe Coding in CI/CD-Automatisierung
- Zukunftstrends: Multi-Agent-Entwicklungssysteme
Teamprojekt und Zusammenarbeit
- Gestaltung eines realitätsnahen KI-gestützten Coding-Projekts
- Zusammenarbeit mit menschlichen und KI-Entwicklern
- Präsentation der Ergebnisse und Messung der Produktivitätssteigerung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Softwareentwicklungs-Prozessen
- Erfahrung mit Python, JavaScript oder einer anderen modernen Programmiersprache
- Vertrautheit mit Git-basierten Versionskontrollsystemen
Zielgruppe
- Softwareentwickler, die KI-gestützte Entwicklungsmethoden erkunden möchten
- Technische Leads, die die Einführung von KI in Coding-Workflows verantworten
- Entwicklungsteams in Unternehmen, die LLMs in produktive Pipelines integrieren wollen
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