コース概要

大規模言語モデルを使用したコード理解

  • コード説明とウォークスルーのためのプロンプト戦略
  • 不馴れなコードベースやプロジェクトとの作業
  • 制御フロー、依存関係、およびアーキテクチャの分析

メンテンビリティのためのコードリファクタリング

  • コードスメル、デッドコード、アンチパターンの特定
  • 明確さのために関数とモジュールを再構成する
  • 大規模言語モデルを使用して命名規則や設計改善を提案する

パフォーマンスと信頼性の向上

  • AI支援で非効率とセキュリティリスクを検出する
  • より効率的なアルゴリズムやライブラリを提案する
  • 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

コードドキュメンテーションの自動化

  • 関数/メソッドレベルのコメントと要約の生成
  • コードベースからREADMEファイルの作成と更新
  • 大規模言語モデルをサポートに利用してSwagger/OpenAPIドキュメントを作成する

ツールチェーンとの統合

  • VS Code拡張機能とCopilot Labsを使用したドキュメンテーション
  • Git pre-commitフックでGPTやClaudeを組み込む
  • CIパイプラインでのドキュメンテーションとリントの統合

レガシーおよびマルチ言語コードベースとの作業

  • 古いまたは未文書化されたシステムの逆エンジニアリング
  • 言語間のリファクタリング(例:PythonからTypeScriptへ)
  • ケーススタディとペアAIプログラミングデモ

エチックス、品質保証、およびレビュー

  • AI生成された変更の検証と幻覚の回避
  • 大規模言語モデルを使用する際のピアレビューベストプラクティス
  • コード基準への適合性と再現性を確保する

まとめと次なるステップ

要求

  • Python、Java、JavaScriptなどのプログラミング言語の経験
  • ソフトウェアアーキテクチャとコードレビューのプロセスに関する知識
  • 大規模言語モデルがどのように機能するかの基本的な理解

対象者

  • バックエンドエンジニア
  • DevOpsチーム
  • シニア開発者およびテックリード
 14 時間

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