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
KI in der Phase der Anforderungen und Planung
- Nutzung von NLP und LLMs für die Anforderungsanalyse
- Umwandlung von Stakeholder-Eingaben in Epics und User Stories
- KI-Tools zur Verfeinerung von Stories und Generierung von Akzeptanzkriterien
KI-ergänztes Design und Architektur
- Nutzung von KI zur Modellierung von Systemkomponenten und Abhängigkeiten
- Generierung von Architekturdiagrammen und UML-Vorschlägen
- Validierung des Designs durch promptbasiertes systemisches Reasoning
KI-verstärkte Entwicklungsworkflows
- KI-gestützte Codegenerierung und Boilerplate-Gerüstbau
- Code-Refactoring und Leistungsoptimierung unter Nutzung von LLMs
- Integration von KI-Tools in IDEs (z. B. Copilot, Tabnine, CodeWhisperer)
Testen mit KI
- Generierung von Unit- und Integrationstests mithilfe von KI-Modellen
- KI-gestützte Regressionsanalyse und Testwartung
- Generierung von Explorativ- und Grenzfällen mit KI
Dokumentation, Review und Wissensaustausch
- Automatische Generierung von Dokumentationen aus Code und APIs
- Automatisierung von Code-Reviews mithilfe von KI-Prompts und Checklisten
- Erstellung von Wissensdatenbanken und FAQs mithilfe von konversationeller KI
KI in CI/CD und Bereitstellungsautomatisierung
- KI-optimierte Pipeline-Optimierung und risikobasiertes Testen
- Intelligente Canary-Release- und Rollback-Vorschläge
- KI bei der Bereitstellungsprüfung und der Analyse nach der Bereitstellung
Governance, Ethik und Implementierungsstrategie
- Sicherstellung eines verantwortungsvollen KI-Einsatzs und Vermeidung von Bias im generierten Code
- Auditierung und Compliance in KI-gestützten Workflows
- Erstellung einer Roadmap für den schrittweisen KI-Einsatz im SDLC
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis der Konzepte des Softwareentwicklungslebenszyklus
- Erfahrung in der Softwarearchitektur oder Teamführung
- Vertrautheit mit DevOps, agilen Praktiken oder SDLC-Tools
Zielgruppe
- Softwarearchitekten
- Entwicklungsleads
- Engineering-Manager
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