Cursusaanbod
Niveau 1: De Verkenningshal – Geheimen achter eisen
Missie: Gebruik grote taalmodellen (LLM’s) zoals ChatGPT om gestructureerde eisen te distilleren uit vage invoergegevens.
Belangrijkste activiteiten:
- Interpretatie van onduidelijke productideeën of featureverzoeken
-
Toepassing van AI om:
- Gebruikersverhalen en acceptatiecriteria te genereren
- Persona’s en gebruiksscenario’s te bepalen
-
Visuele representaties (zoals eenvoudige diagrammen via Mermaid of draw.io) te creëren
Resultaat: Een gestructureerde backlogs van gebruikersverhalen en een beginmodel van de domeinstructuur of visualisaties
Niveau 2: Het Ontwerpambacht – Architectuurrol
Missie: Gebruik AI om architectonische plannen te creëren en vervolgens te valideren.
Belangrijkste activiteiten:
-
Inzet van AI voor:
- Het voorstellen van een passende architectuurstijl (monoliet, microservices of serverless)
- Genereren van hoogwaardige diagrammen van componenten en interacties
- Voorbereiden van klasse- en moduleskeletten
-
Peer review: deelnemers testen elkaars ontwerpen op haalbaarheid en consistentie
Resultaat: Een geverifieerde architectuur en een eerste schets van het codewerk
Niveau 3: Het Codearcadium – Uitdaging voor coders
Missie: Gebruik AI-copilots om functionaliteiten te implementeren en de code te verbeteren.
Belangrijkste activiteiten:
- Implementatie van functies met behulp van GitHub Copilot of ChatGPT
-
Optimalisatie van door AI gegenereerde code op:
- Prestaties
- Beveiliging
- Onderhoudbaarheid
-
Het invoegen van zogenaamde ‘codegebreken’ en samen met het team verbeteren daarvan
Resultaat: Een werkend, gereorganiseerd programma dat is verrijkt door AI-gestuurde bijdragen
Niveau 4: Het Testmoeras – Onderzoek in onbekende gebieden
Missie: Genereer en verbeter tests door AI, waarna fouten worden gezocht in andermans code.
Belangrijkste activiteiten:
-
Inzet van AI om te maken:
- Unit-tests
- Integratietests
- Situaties met onverwachte uitkomsten na te bootsen
-
Uitwisseling van codes en gezamenlijke AI-gestuurde debugsessies tussen teams
Resultaat: Een compleet testpakket, een rapport met vastgestelde problemen en voorstellen tot oplossingen
Niveau 5: De Automatiseringstorens – Toegangspoort naar CI/CD
Missie: Stel slimme CI/CD-pijplijnen in onder begeleiding van kunstmatige intelligentie.
Belangrijkste activiteiten:
-
Toepassing van AI voor:
- Ontwerp en configurering van werkstromen (bijvoorbeeld via GitHub Actions)
- Automatisering van het compilen, testen en implementeren
-
Voorstellen doen voor beleidsregels rond anomaliedetectie of terugdraaien
Resultaat: Een werkend script of structuur van een CI/CD-pijplijn met AI-ondersteuning
Niveau 6: De Monitoringburcht – Wachttoren voor logs
Missie: Analyseer logbestanden en gebruik machine learning om afwijkingen te ontdekken, evenals oplossingsscenario’s simuleren.
Belangrijkste activiteiten:
- Bewerking van vooraf aangemaakte of nieuw gegenereerde logbestanden
-
Toepassing van AI om:
- Onregelmatigheden en trends te signaleren in foutpatronen
- Automatische reacties voor te stellen (zoals zelfherstellende scripts of waarschuwingsmeldingen)
-
Dashboarden en samenvattingen visueel vorm te geven
Resultaat: Een doordachte planningsvoorstel voor monitoring, inclusief intelligente alarmmechanismes
Eindniveau: Het Heldenarena – Ontwerp een AI-verrijkt SDLC-systeem
Missie: Teams passen alles wat ze hebben geleerd toe om zelfstandig een SDLC-lus op te zetten voor een klein project.
Belangrijkste activiteiten:
- Kiezen van een miniproject (bijvoorbeeld een bugtracker, chatbot of microservice)
-
Inzetten van AI in alle SDLC-fasen:
- Van eisenverzameling tot ontwerp, codering, testen, implementatie en monitoring
- Presenteren van het resultaat via een korte demo in groepsverband
Daarna bepaalt peer voting of een jury welk team met de meest effectieve AI-gestuurde pijplijn kwam.
Resultaat: Een volledig uitgewerkte SDLC-omgeving die is verbeterd door kunstmatige intelligentie, plus een presentatie van het team
Aan het einde van deze workshop kunnen de deelnemers:
- Generatieve AI gebruiken om softwarevereisten te verzamelen en gestructureerd vast te leggen
- Architectuurdiagrammen maken en hun ontwerpbeleid valideren door AI-ondersteuning
- AI-copilots gebruiken voor het bouwen en optimaliseren van code die geschikt is voor productieomgevingen
- Tests automatiseren en foutdetecties met behulp van AI verrichten
- Intelligent ontwerp realiseren in CI/CD-pijplijnen die zelfstandig kunnen reageren op onverwachte situaties
- Logs analyseren met behulp van AI/ML-tools om risico’s te identificeren en oplossingen simuleren
- Aantonen hoe een compleet, door AI ondersteund SDLC-systeem functioneert via een klein groepsonderzoek
Vereisten
Doelgroep: Softwareontwikkelaars, testers, architecten, DevOps-engineers en producteigenaren
De deelnemers dienen te beschikken over:
- Grundige kennis van de Software Development Lifecycle (SDLC)
- Praktijkervaring met ten minste één programmeertaal (zoals Python, Java, JavaScript of C#)
-
Kennis van:
- Het opstellen en begrijpen van gebruikersverhalen en eisen
- De basisprincipes van softwareontwerp
- Versiebeheer (bijvoorbeeld Git)
- Het schrijven en uitvoeren van unit-tests
- Het draaien of interpreteren van CI/CD-pijplijnen
Dit is een workshop voor gevorderden. Hij is met name geschikt voor professionals die al actief zijn in softwareontwikkelingsteams (ontwikkelaars, testers, DevOps-engineers, architecten en producteigenaren).
Aangepaste bedrijfsopleiding
Opleidingsoplossingen ontworpen exclusief voor bedrijven.
- Aangepaste inhoud: We passen de syllabus en praktijkopdrachten aan naar de echte doelen en behoeften van uw project.
- Voor flexibel schema: Datums en tijden aangepast aan het rooster van uw team.
- Formaat: Online (live), In-company (bij uw kantoren) of Hybride.
Prijs per privégroep, online live training, startend vanaf 1600 € + BTW*
Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen
Reviews (1)
Ik heb kennis gemaakt met de Streamlit-bibliotheek voor Python en ik zal zeker proberen deze te gebruiken om de toepassingen van mijn team, die zijn gemaakt met R Shiny, te verbeteren.
Michal Maj - XL Catlin Services SE (AXA XL)
Cursus - GitHub Copilot for Developers
Automatisch vertaald