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.
Schulungsübersicht
Code verstehen mit LLMs
- Strategien für die Erklärung und Durchführung von Code-Analysen
- Arbeiten mit unbekannten Codebases und Projekten
- Analyse des Steuerflusses, Abhängigkeiten und Architektur
Refactoring von Code für Wartbarkeit
- Identifizieren von Code-Riechen, totem Code und Anti-Mustern
- Umbau von Funktionen und Modulen zur Klärung
- Verwenden von LLMs zur Vorschlag von Benennungskonventionen und Designverbesserungen
Leistung und Zuverlässigkeit verbessern
- Ermitteln von Ungeregeltheiten und Sicherheitsrisiken mit AI-Unterstützung
- Vorschlagen von effizienteren Algorithmen oder Bibliotheken
- Refactoring von I/O-Vorgängen, Datenbankabfragen und API-Aufrufen
Automatisierung des Codes Documentation
- Erstellen von Kommentaren und Zusammenfassungen auf Funktion/Methodenebene
- Schreiben und Aktualisieren von README-Dateien aus Codebases
- Erstellung von Swagger/OpenAPI-Dokumentation mit Unterstützung durch LLMs
Integration in Toolchains
- Verwenden von VS Code-Erweiterungen und Copilot Labs zur Dokumentation
- Integrieren von GPT oder Claude in Git-Pre-Commit-Hooks
- CI-Pipeline-Integration für Dokumentation und Linting
Arbeiten mit Legacy- und Mehrsprachigen Codebases
- Rückwärts-Ingenieurieren älterer oder un dokumentierter Systeme
- Kreuzsprachenrefactoring (z.B., von Python zu TypeScript)
- Fallstudien und Demo-Partner-AI-Programmierung
Ethik, Qualitätssicherung und Überprüfung
- Validieren von AI-generierten Änderungen und Vermeiden von Fehlern
- Bester Praxis beim Peer Review bei der Nutzung von LLMs
- Sichern der Wiederholbarkeit und Einhaltung von Codierungsstandards
Zusammenfassung und Nächste Schritte
Voraussetzungen
- Erfahrung mit Programmiersprachen wie Python, Java oder JavaScript
- Bekanntschaft mit Softwarearchitektur und Code-Review-Prozessen
- Grundverständnis von Großsprachmodellen (Large Language Models)
Zielgruppe
- Backend-Entwickler
- DevOps Teams
- Senior-Entwickler und Tech-Leads
14 Stunden
Erfahrungsberichte (1)
Dozentenwissen zur fortgeschrittenen Nutzung von Copilot & ausreichende und effiziente praktische Übungsstunden
Tan - ViTrox Technologies Sdn Bhd
Kurs - Intermediate GitHub Copilot
Maschinelle Übersetzung