AI-Driven Software Development Lifecycle (SDLC)

• Zrozumienie koncepcji cyklu życia oprogramowania
• Doświadczenie w architekturze oprogramowania lub kierownictwie zespołem
• Zapoznanie z DevOps, praktykami agilnymi lub narzędziami SDLC

Grupa docelowa

• Architekci oprogramowania
• Liderzy rozwoju
• Menedżerowie inżynieryjni

AI-Driven Software Development Lifecycle (SDLC) to praktyczny kurs, który bada, w jaki sposób sztuczna inteligencja może wzmocnić każdy etap procesu rozwoju oprogramowania. Od automatyzacji analizy wymagań po inteligentne generowanie testów i optymalizację wdrażania, uczestnicy dowiedzą się, jak integrować narzędzia i techniki AI na całym cyklu życia.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do średniozaawansowanych liderów w dziedzinie oprogramowania, którzy chcą modernizować swoje SDLC z wykorzystaniem przepływów pracy i narzędzi wspomaganych przez AI.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Wykorzystywać AI do przekształcania wejścia biznesowego w strukturowane wymagania i historie użytkownika.
• Używać LLMs do poprawy dokumentacji, przeglądu i refaktoryzacji kodu.
• Automatyzować generowanie przypadków testowych i analizę pokrycia z wykorzystaniem narzędzi AI.
• Zastosowanie monitorowania i podejmowania decyzji o wdrażaniu napędzanego przez AI w pipeline'ach CI/CD.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wielu ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku live-lab.

Opcje dostosowania kursu

• Aby zapytać o dostosowane szkolenie dla tego kursu, skontaktuj się z nami w celu uregulowania.

Sztuczna Inteligencja w Faza Wymagań i Planowania

• Używanie NLP i LLMs do analizy wymagań
• Przekształcanie wejścia ze strony interesariuszy w epiki i historie użytkownika
• Narzędzia AI do ulepszania historii i generowania kryteriów akceptacji

Projektowanie i Architektura Zapewniane przez AI

• Używanie AI do modelowania komponentów systemowych i zależności
• Generowanie diagramów architektury i sugerowanych UML
• Walidacja projektu przez rozumowanie systemowe na podstawie poleceń

Pracownie Rozwojowe Wzmocnione przez AI

• Generowanie kodu z pomocą AI i szkieletowanie szablonów
• Refaktoryzacja kodu i poprawa wydajności za pomocą LLMs
• Integrowanie narzędzi AI z IDE (np. Copilot, Tabnine, CodeWhisperer)

Testowanie z AI

• Generowanie testów jednostkowych i integracyjnych z użyciem modeli AI
• Regresja i utrzymanie testów z pomocą AI
• Generowanie przypadków eksploracyjnych i granicowych za pomocą AI

Documentation, Przegląd i Udostępnianie Wiedzy

• Automatyczne generowanie dokumentacji na podstawie kodu i API
• Automatyzacja przeglądu kodu z użyciem poleceń AI i list kontrolnych
• Tworzenie baz wiedzy i FAQ za pomocą AI rozmownego

AI w CI/CD i Automatyzacji Wdrażania

• Optymalizacja rurociągów z użyciem AI i testowania opartego na ryzyku
• Inteligentne sugerowane wdrażanie canary i cofanie
• AI w weryfikacji wdrażania i analizie post-deploy

Governance, Etyka i Strategia Wdrożenia

• Zapewnienie odpowiedzialnego użycia AI i uniknięcie uprzedzeń w generowanym kodzie
• Audyt i zgodność w przepływach pracy wspomaganych przez AI
• Budowanie drogi dla fazowego wdrażania AI w całym SDLC

Podsumowanie i Kolejne Kroki