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.
Kerangka Materi
Pengantar Vibe Coding
- Definisi serta sejarah perkembangan Vibe coding
- Filosofi kolaborasi antara manusia dan mesin dalam proses pembuatan kode
- Perbedaan pendekatan AI terhadap pengembangan perangkat lunak dibanding metode konvensional
Model Bahasa Besar dalam Pengkodean
- Gambaran umum model bahasa besar untuk pengembang: GPT-4, DeepSeek, Qwen, Mistral
- Perbandingan antara model AI sumber terbuka dan versi berpemilik
- Cara mengimplementasikan LLM secara lokal maupun melalui API
Rekayasa Perintah untuk Pengembang
- Teknik perintah yang efektif guna menghasilkan maupun menyusun ulang kode dengan AI
- Manajemen konteks dan pengelolaan status percakapan antara manusia dan mesin
- Membuat template perintah yang dapat digunakan kembali dalam berbagai tugas pengkodean
Lingkungan Vibe Coding Praktis
- Memanfaatkan Replit untuk melakukan pengkodean kolaboratif dengan bantuan AI
- Mengintegrasikan GitHub Copilot serta Qwen Coder ke dalam lingkungan pengembangan IDE
- Menyesuaikan alur kerja agar sesuai dengan kebutuhan kolaborasi tim
Kualitas dan Validasi Kode dalam Alur Kerja Berbasis AI
- Cara meninjau serta menguji kode yang dihasilkan oleh model bahasa besar
- Upaya menjaga konsistensi, kemudahan pemeliharaan, dan keamanan kode
- Mengintegrasikan alat verifikasi kode ke dalam proses pengembangan
Integrasi di Lingkungan Perusahaan dan Tata Kelola AI
- Langkah-langkah mengembangkan Vibe coding secara menyeluruh dalam sebuah organisasi
- Tata kelola, etika, serta kepatuhan hukum terkait penggunaan AI dalam pembuatan kode
- Merancang struktur organisasi yang mendukung penerapan pengembangan berbasis AI
Topik Lanjutan: Mengembangkan Vibe Coding Lebih Jauh
- Kombinasi beberapa model bahasa besar untuk menciptakan alur kerja AI hibrida
- Mengintegrasikan konsep Vibe coding ke dalam proses otomatisasi CI/CD
- Tren masa depan: ekosistem pengembangan berbasis multi-agen AI
Proyek Tim dan Kolaborasi Nyata
- Merancang proyek nyata dengan bantuan AI untuk ditugaskan kepada peserta
- Berkolaborasi antara manusia dan mesin dalam menyelesaikan tugas pengkodean
- Memaparkan hasil karya serta mengukur peningkatan produktivitas selama pelatihan
Penutup dan Langkah Selanjutnya
Persyaratan
- Pemahaman mengenai alur kerja pengembangan perangkat lunak
- Pengalaman dalam menggunakan Python, JavaScript, atau bahasa pemrograman modern lainnya
- Keterampilan dasar dalam mengelola versi kode menggunakan sistem kontrol Git
Target Peserta
- Insinyur perangkat lunak yang ingin menjajaki pengembangan berbasis AI
- Pemimpin teknis yang bertanggung jawab atas adopsi teknologi AI dalam timnya
- Tim pengembang perusahaan yang hendak mengintegrasikan model bahasa besar ke dalam alur kerja produksi
21 Jam
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