Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
L'IA dans la phase de requêtage et de planification
- Utilisation du NLP et des LLM pour l'analyse des exigences
- Conversion des contributions des parties prenantes en épics et user stories
- Outils d'IA pour le raffinage des stories et la génération de critères d'acceptation
Conception et architecture assistées par l'IA
- Utilisation de l'IA pour modéliser les composants et les dépendances du système
- Génération de diagrammes d'architecture et de suggestions UML
- Validation de la conception par raisonnement système basé sur des prompts
Flux de travail de développement renforcés par l'IA
- Génération de code et squelettes de code assistés par l'IA
- Refactoring et améliorations de performances à l'aide des LLM
- Intégration d'outils d'IA dans les IDE (par ex., Copilot, Tabnine, CodeWhisperer)
Tests avec l'IA
- Génération de tests unitaires et d'intégration à l'aide de modèles d'IA
- Analyse de régression et maintenance des tests assistées par l'IA
- Génération de cas exploratoires et de cas limites avec l'IA
Documentation, revue et partage des connaissances
- Génération automatique de documentation à partir du code et des API
- Automatisation de la revue de code à l'aide de prompts et de checklists d'IA
- Création de bases de connaissances et de FAQ à l'aide de l'IA conversationnelle
L'IA dans l'automatisation CI/CD et des déploiements
- Optimisation des pipelines et tests basés sur le risque renforcés par l'IA
- Suggestions intelligentes pour les déploiements en canary et les retours en arrière (rollback)
- L'IA dans la vérification des déploiements et l'analyse post-déploiement
Gouvernance, éthique et stratégie de mise en œuvre
- Garantir un usage responsable de l'IA et éviter les biais dans le code généré
- Audit et conformité dans les flux de travail assistés par l'IA
- Élaboration d'une feuille de route pour l'adoption progressive de l'IA dans le SDLC
Synthèse et prochaines étapes
Pré requis
- Une bonne compréhension des concepts du cycle de vie du développement logiciel
- Une expérience en architecture logicielle ou en leadership d'équipe
- Une familiarité avec les pratiques DevOps, agiles ou les outils SDLC
Public cible
- Architectes logiciels
- Responsables du développement
- Managers d'ingénierie
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique