Szkolenie: AI wspomagające Test-Driven Development (TDD)
Szkolenie AI wspomagające Test-Driven Development (TDD) to praktyczne warsztaty, które uczą wykorzystania sztucznej inteligencji do analizy kodu, generowania testów, automatyzacji CI/CD oraz refaktoryzacji, zwiększając efektywność i jakość pracy programisty
Szkolenie przygotowuje do samodzielnego analizowania i refaktoryzowania kodu z wykorzystaniem narzędzi AI oraz metodologii Test-Driven Development
Szkolenie uczy generowania i wdrażania testów jednostkowych, integracyjnych i regresyjnych przy wsparciu sztucznej inteligencji oraz integracji tych testów z pipeline CI/CD
Szkolenie pokazuje, jak efektywnie planować i wdrażać zmiany w kodzie, monitorować pokrycie testami oraz automatyzować procesy wdrożeniowe z użyciem nowoczesnych narzędzi AI
Dla kogo?
Programiści backend i frontend z doświadczeniem w pracy z repozytoriami kodu oraz testowaniem
Liderzy zespołów developerskich i QA odpowiedzialni za wdrażanie i utrzymanie jakości oprogramowania
Specjaliści DevOps i inżynierowie CI/CD zajmujący się automatyzacją procesów wdrożeniowych i testowych
Efekty kształcenia
Uczestnik analizuje i refaktoryzuje kod z użyciem narzędzi AI
Uczestnik generuje testy jednostkowe, integracyjne i regresyjne z pomocą AI
Uczestnik wdraża testy do pipeline CI/CD oraz monitoruje ich wyniki
Uczestnik identyfikuje luki testowe i planuje pokrycie kodu testami
Uczestnik wykorzystuje prompty i szablony do automatyzacji pracy programisty
Uczestnik porównuje narzędzia AI wspierające proces TDD
Wymagania
Znajomość Pythona lub Java (w zależności od repozytorium)
Podstawowa wiedza o TDD (Red→Green→Refactor)
Konto GitHub i lokalne środowisko developerskie
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Best practices przy ocenie testów wygenerowanych przez LLM
Różnice między narzędziami: Copilot, Cursor, Aider, Cody, SWE-agent
Przykład zastosowania agenta do refaktoryzacji lub migracji frameworka
Wady i zalety „delegowania” większych zadań agentom
Wykrywanie kodu monolitycznego i silnych zależności
Podział aplikacji na moduły z pomocą AI
Dodawanie warstw testów i kontraktów między komponentami
Tworzenie testów regresyjnych na podstawie istniejącego kodu i historii zmian
Identyfikacja punktów integracyjnych (bazy danych, API, kolejki)
Symulacja środowiska produkcyjnego do testów
Tworzenie workflow do automatycznego uruchamiania testów
Warunki zatwierdzania PR na podstawie wyników testów
Deployment do środowiska stagingowego z użyciem GitHub Actions
Monitorowanie pokrycia kodu i regresji
Autorem szkolenia jest Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym.
Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie.
Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Szkolenie poprowadzi jego autor Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym.
Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie.
Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi