Hubungi Kami

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

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait