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 21 Stunden
Schulungsübersicht
Einführung in Vibe Coding
- Definition und Geschichte von Vibe Coding
- Philosophie der Zusammenarbeit „Prompt-to-Code“
- Unterschiede zwischen KI-Coding und traditioneller Entwicklung
Große Sprachmodelle im Coding
- Überblick über LLMs für Entwickler: GPT-4, DeepSeek, Qwen, Mistral
- Vergleich von Open-Source- und proprietären KI-Codern
- Einsatz von LLMs lokal oder über APIs
Prompt Engineering für Entwickler
- Effektive Prompts für die Generierung und Refactorisierung von Code
- Kontextmanagement und Behandlung des Gesprächszustands
- Erstellung wiederverwendbarer Prompt-Vorlagen für Coding-Aufgaben
Praktische Vibe-Coding-Umgebungen
- Nutzung von Replit für kollaboratives KI-Coding
- Integration von GitHub Copilot und Qwen Coder in IDEs
- Anpassung der Workflows für die Teamzusammenarbeit
Codequalität und Validierung in KI-Workflows
- Prüfung und Testen von LLM-generiertem Code
- Sicherstellung von Konsistenz, Wartbarkeit und Sicherheit
- Integration von Code-Validierungstools in den Workflow
Unternehmensintegration und Governance
- Skalierung von Vibe Coding über Teams hinweg
- KI-Governance, Ethik und Compliance bei der Codegenerierung
- Gestaltung organisatorischer Rahmenwerke für KI-gestützte Entwicklung
Fortgeschrittene Themen: Erweiterung von Vibe Coding
- Kombination mehrerer LLMs für hybride KI-Workflows
- Integration von Vibe Coding mit CI/CD-Automatisierung
- Zukunftstrends: Multi-Agent-Entwicklungssysteme
Teamprojekt und Zusammenarbeit
- Gestaltung eines praxisnahen Projekts mit KI-gestützter Entwicklung
- Zusammenarbeit mit menschlichen und KI-Entwicklern
- Präsentation der Ergebnisse und Messung der Produktivitätssteigerung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis für Workflows in der Softwareentwicklung
- Erfahrung mit Python, JavaScript oder einer anderen modernen Programmiersprache
- Vertrautheit mit Git-basierten Versionskontrollsystemen
Zielgruppe
- Software-Ingenieure, die sich mit KI-gestützter Entwicklung befassen
- Engineering-Leads, die die Einführung von KI in Coding-Workflows überwachen
- Enterprise-Development-Teams, die LLMs in Produktionspipelines integrieren möchten
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