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
Compréhension du code avec les LLM
- Stratégies de prompting pour l'explication et l'analyse du code
- Travail avec des bases de code et des projets inconnus
- Analyse du flux de contrôle, des dépendances et de l'architecture
Refactoring du code pour la maintenabilité
- Identification des code smells, du code mort et des anti-modèles
- 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 des performances 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
- Refactoring des opérations d'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 de la base de code
- Création de documents Swagger/OpenAPI avec l'aide des LLM
Intégration avec les chaînes d'outils
- Utilisation des extensions VS Code et de Copilot Labs pour la documentation
- Incorporation de GPT ou de Claude dans les hooks pre-commit de Git
- Intégration du pipeline CI pour la documentation et le linter
Travail avec des bases de code héritées et multilingues
- Ingénierie inverse des systèmes plus anciens ou non documentés
- Refactoring interlangages (par exemple, de Python à 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
- Garantie de la reproductibilité et de la conformité aux normes de codage
Résumé et prochaines étapes
Pré requis
- Expérience avec des langages de programmation tels que Python, Java ou JavaScript
- Connaissance de l'architecture logicielle et des processus de revue de code
- Compréhension de base du fonctionnement des grands modèles de langage
Public cible
- Ingénieurs backend
- 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