Plan du cours
Introduction à AIASE
- Aperçu de l'IA dans le génie logiciel
- Histoire et évolution de l'AIASE
- Concepts clés et terminologie
Technologies de l'IA dans le développement de logiciels
- Principes de base de l'apprentissage automatique
- Traitement du langage naturel (NLP) pour le code
- Réseaux neuronaux et modèles d'apprentissage profond
Automatisation du développement de logiciels grâce à l'IA
- Outils d'IA pour générer du code standard
- Refonte et optimisation automatisées du code
- Génération de codes de tests fonctionnels et unitaires
- Conception et optimisation de cas de test assistées par l'IA
Amélioration de la qualité du code grâce à l'IA
- L'IA pour la détection des bogues et les revues de code
- Analyse prédictive pour la maintenance des logiciels
- Outils d'analyse statique et dynamique alimentés par l'IA
- Techniques de débogage automatisé
- Localisation et réparation des fautes par l'IA
L'IA dans DevOps et l'intégration continue/déploiement continu (CI/CD)
- IA pour l'optimisation et le déploiement de la construction
- L'IA dans la surveillance et l'analyse des journaux
- Modèles prédictifs pour les pipelines CI/CD
- Automatisation des tests basée sur l'IA dans les flux de travail CI/CD
- IA pour la détection et la résolution d'erreurs en temps réel
L'IA pour Documentation et la connaissance Management
- Génération automatisée de docstrings et de documentation
- Extraction de connaissances à partir de bases de code
- IA pour la recherche et la réutilisation du code
Considérations et défis éthiques
- Biais et équité dans les outils d'IA
- Propriété intellectuelle et questions de licence
- Avenir de l'IA dans le génie logiciel
Projets pratiques et études de cas
- Travailler avec des outils d'IA populaires en génie logiciel
- Études de cas d'AIASE dans l'industrie
- Projet de fin d'études : Développement d'une application logicielle augmentée par l'IA
Résumé et prochaines étapes
Pré requis
- Compréhension des processus et méthodologies de développement de logiciels
- Expérience de la programmation en Python
- Connaissance de base des concepts d'apprentissage automatique
Audience
- Développeurs de logiciels
- Ingénieurs en logiciel
- Responsables techniques et managers
Nos clients témoignent (5)
Méthode d'enseignement
Negritu - OMNIASIG VIENNA INSURANCE GROUP S.A.
Formation - SoapUI for API Testing
Traduction automatique
J'ai tout apprécié car c'est tout nouveau pour moi et je peux voir la valeur ajoutée que cela peut apporter à mon travail.
Zareef - BMW South Africa
Formation - Tosca: Model-Based Testing for Complex Systems
Traduction automatique
Aperçu très large du sujet qui a couvert toutes les connaissances préalables de manière appropriée au niveau de connaissance du cours.
James Hurburgh - Queensland Police Service
Formation - SpecFlow: Implementing BDD for .NET
Traduction automatique
Il était facile à comprendre et à mettre en œuvre.
Thomas Young - Canadian Food Inspection Agency
Formation - Robot Framework: Keyword Driven Acceptance Testing
Traduction automatique
Nombre d'exercices pratiques.
Jakub Wasikowski - riskmethods sp. z o.o
Formation - API Testing with Postman
Traduction automatique