お問い合わせ
 期間 14 時間

コース概要

LLMによるコード理解

  • コード説明と解説のためのプロンプト戦略
  • unfamiliar なコードベースおよびプロジェクトとの連携
  • 制御フロー、依存関係、アーキテクチャの分析

保守性のためのコードリファクタリング

  • コード臭、デッドコード、アンチパターンの特定
  • 明確さを高めるための関数やモジュールの再構築
  • LLMによる命名規則および設計改善の提案

パフォーマンスと信頼性の向上

  • AI支援による非効率性およびセキュリティリスクの検出
  • より効率的なアルゴリズムまたはライブラリの提案
  • I/O操作、データベースクエリ、API呼び出しのリファクタリング

コードドキュメントの自動化

  • 関数/メソッドレベルのコメントおよびサマリーの生成
  • コードベースからのREADMEファイルの作成および更新
  • LLM支援によるSwagger/OpenAPIドキュメントの作成

ツールチェーンとの統合

  • ドキュメント作成のためのVS Code拡張機能およびCopilot Labsの活用
  • Gitのpre-commitフックへのGPTまたはClaudeの組み込み
  • ドキュメントおよびリンティングのためのCIパイプライン統合

レガシーおよびマルチ言語コードベースの処理

  • 古いまたは undocumented システムの逆解き
  • クロス言語リファクタリング(例:PythonからTypeScriptへの移行)
  • ケーススタディおよびペアAIプログラミングのデモ

倫理、品質保証、レビュー

  • AI生成の変更の検証およびハルシネーションの回避
  • LLM使用時のピアレビューのベストプラクティス
  • 再現性及びコーディング標準への遵守確保

まとめおよび次のステップ

要求

  • Python、Java、またはJavaScriptなどのプログラミング言語での経験
  • ソフトウェアアーキテクチャおよびコードレビュープロセスに関する知識
  • 大規模言語モデルの動作原理に関する基礎的な理解

対象読者

  • バックエンドエンジニア
  • DevOpsチーム
  • シニア開発者および技術リード

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー