Ta kontakt

Kursplan

Forståelse av kode med LLM-er

  • Prompt-strategier for kodeforklaring og gjennomgang.
  • Arbeiding med ukjente kodebaseringer og prosjekter.
  • Analyse av kontrollflyt, avhengigheter og arkitektur.

Refaktorering av kode for vedlikeholdbarhet

  • Identifisering av kode-smells, død kode og anti-mønstre.
  • Omstrukturering av funksjoner og moduler for klarhet.
  • Bruk av LLM-er for å foreslå navnekonvensjoner og designforbedringer.

Forbedre ytelse og pålitelighet

  • Oppdage ineffisienser og sikkerhetsrisikoer med AI-assistans.
  • Foreslå mer effektive algoritmer eller biblioteker.
  • Refaktorere I/O-operasjoner, database-spørringer og API-anrop.

Automatisering av kode-dokumentasjon

  • Generering av funksjon/metode-nivå kommentarer og sammendrag.
  • Skrive og oppdatere README-filer fra kodebaseringer.
  • Opprette Swagger/OpenAPI-dokumenter med LLM-støtte.

Integrasjon med verktøykjeder

  • Bruk av VS Code-utvidelser og Copilot Labs for dokumentasjon.
  • Inkludering av GPT eller Claude i Git pre-commit-hooks.
  • CI-pipeline-integrasjon for dokumentasjon og linting.

Arbeide med legacy og flerspråklige kodebaseringer

  • Reverse-engineering av eldre eller uokumenterte systemer.
  • Kryss-språklig refaktorering (f.eks. fra Python til TypeScript).
  • Kasestudier og par-AI programmeringsdemonstrasjoner.

Etiikk, kvalitetskontroll og gjennomgang

  • Validering av AI-genererte endringer og unngå hallucinasjoner.
  • Best practices for peer review når man bruker LLM-er.
  • Sikre reproducerbarhet og overholdelse av kode-standarder.

Oppsummering og neste steg

Krav

  • Erfaring med programmeringsspråk som Python, Java eller JavaScript.
  • Kenning til programvarearkitektur og kodegjennomganger.
  • Grundig forståelse av hvordan store språkmodeller fungerer.

Målgruppe

  • Backend-ingeniører.
  • DevOps-team.
  • Avanserte utviklere og tech-ledere.
 14 Timer

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier