お問い合わせ
 期間 14 時間

コース概要

LLMを用いたコード理解

  • コードの説明およびウォークスルーのためのプロンプト戦略
  • 見慣れないコードベースおよびプロジェクトへの対応
  • 制御フロー、依存関係、アーキテクチャの分析

保守性向上のためのコードリファクタリング

  • コードの異臭(コードスメル)、デッドコード、アンチパターンの特定
  • 明確さのための関数およびモジュールの再構築
  • LLMを用いた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

コードドキュメンテーションの自動化

  • 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ファイルの作成と更新
  • 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

  • VS Code拡張機能およびCopilot Labsによるドキュメンテーション
  • GitのプレコミットフックへのGPTまたはClaudeの組み込み
  • ドキュメンテーションおよびリンティングのためのCIパイプライン統合

レガシーおよび多言語コードベースへの対応

  • 古いまたはドキュメントのないシステムのリバースエンジニアリング
  • クロス言語リファクタリング(例:PythonからTypeScriptへ)
  • 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生成の変更の検証と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
  • 再現性の確保およびコーディング標準への準拠

概要と次のステップ

要求

  • Python、Java、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への精通
  • 大規模言語モデルの機能に関する基礎知識

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テックリード

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