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
Comprendre le code grâce aux LLM
- Stratégies de prompting pour l'explication et l'analyse du code
- Travail sur des bases de code et des projets inconnus
- Analyse du flux de contrôle, des dépendances et de l'architecture
Refactorisation du code pour la maintenabilité
- Identification des odeurs de code, du code mort et des anti-patterns
- Restructuration des fonctions et des modules pour plus de clarté
- Utilisation des LLM pour suggérer des conventions de nommage et des améliorations de conception
Amélioration de la performance et de la fiabilité
- Détection des inefficacités et des risques de sécurité avec l'aide de l'IA
- Suggestion d'algorithmes ou de bibliothèques plus efficaces
- Refactorisation des opérations E/S, des requêtes de base de données et des appels d'API
Automatisation de la documentation du code
- Génération de commentaires et de résumés au niveau des fonctions/méthodes
- Rédaction et mise à jour des fichiers README à partir des bases de code
- Création de documents Swagger/OpenAPI avec l'aide de LLM
Intégration avec les chaînes d'outils
- Utilisation d'extensions VS Code et de Copilot Labs pour la documentation
- Incorporation de GPT ou Claude dans les hooks de pré-commit Git
- Intégration dans les pipelines CI pour la documentation et le linting
Travail sur les bases de code historiques et multilingues
- Rétro-ingénierie de systèmes anciens ou non documentés
- Refactorisation interlangages (par exemple, de Python vers TypeScript)
- Études de cas et démonstrations de programmation en binôme avec IA
Éthique, assurance qualité et revue
- Validation des modifications générées par l'IA et évitement des hallucinations
- Meilleures pratiques de revue par les pairs lors de l'utilisation de LLM
- Garantir la reproductibilité et le respect des normes de codage
Synthèse et prochaines étapes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript.
- Maîtrise de l'architecture logicielle et des processus de relecture de code.
- Compréhension de base du fonctionnement des grands modèles de langage.
Public cible
- Ingénieurs back-end.
- Équipes DevOps.
- Développeurs seniors et responsables techniques.
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