Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Durasi 21 jam
Kerangka Materi
Pengenalan Vibe Coding
- Definisi dan sejarah vibe coding
- Filosofi kolaborasi "prompt-to-code"
- Cara pengkodean AI berbeda dari pengembangan tradisional
Model Bahasa Besar dalam Pengkodean
- Ringkasan LLM untuk pengembang: GPT-4, DeepSeek, Qwen, Mistral
- Perbandingan pengkode AI sumber terbuka vs eksklusif
- Deployment LLM secara lokal atau melalui API
Rekayasa Prompt untuk Pengembang
- Prompting yang efektif untuk menghasilkan dan merefaktor kode
- Manajemen konteks dan penanganan status percakapan
- Membuat template prompt yang dapat digunakan kembali untuk tugas pengkodean
Lingkungan Vibe Coding Langsung
- Menggunakan Replit untuk pengkodean AI kolaboratif
- Integrasi GitHub Copilot dan Qwen Coder ke dalam IDE
- Kustomisasi alur kerja untuk kolaborasi tim
Kualitas dan Validasi Kode dalam Alur Kerja AI
- Meninjau dan menguji kode yang dihasilkan LLM
- Menjamin konsistensi, kemudahan pemeliharaan, dan keamanan
- Integrasi alat validasi kode dalam alur kerja
Integrasi dan Tata Kelola Perusahaan
- Menskala vibe coding di seluruh tim
- Tata kelola AI, etika, dan kepatuhan dalam penghasilkan kode
- Merancang kerangka organisasi untuk pengembangan dengan bantuan AI
Topik Lanjutan: Memperluas Vibe Coding
- Menggabungkan beberapa LLM untuk alur kerja AI hibrida
- Integrasi vibe coding dengan otomasi CI/CD
- Tren masa depan: ekosistem pengembangan multi-agen
Proyek Tim dan Kolaborasi
- Merancang proyek pengkodean dengan bantuan AI di dunia nyata
- Berkolaborasi dengan pengembang manusia dan AI
- Mempresentasikan hasil dan mengukur peningkatan produktivitas
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang alur kerja pengembangan perangkat lunak
- Pengalaman dengan Python, JavaScript, atau bahasa pemrograman modern lainnya
- Kepatuhan dengan sistem kontrol versi berbasis Git
Audiens
- Insinyur perangkat lunak yang menjelajahi pengembangan dengan bantuan AI
- Pemimpin teknik yang mengawasi adopsi AI dalam alur kerja pengkodean
- Tim pengembangan perusahaan yang ingin mengintegrasikan LLM ke dalam pipeline produksi
Testimoni (1)
Saya mendapatkan pengetahuan tentang perpustakaan streamlit dari Python dan tentu saja saya akan mencoba menggunakannya untuk meningkatkan aplikasi di tim saya yang dibuat dengan R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kursus - GitHub Copilot for Developers
Diterjemahkan Mesin