آموزش گیت‌هاب: حاکمیت و مدیریت کدهای تولید شده توسط هوش مصنوعی - آخرین آپدیت

دانلود GitHub: Governing AI-Generated Code

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بیاموزید چگونه کدهای تولید شده توسط هوش مصنوعی را با استفاده از GitHub Copilot اعتبارسنجی، ممیزی و مدیریت کنید. این دوره به شما تکنیک‌های سیستماتیک برای شناسایی آسیب‌پذیری‌های امنیتی، نقص‌های منطقی و APIهای ساختگی (Hallucinations) در خروجی‌های Copilot را آموزش می‌دهد؛ مهارت‌هایی که برای هر تیمی که از توسعه مبتنی بر هوش مصنوعی استفاده می‌کند، ضروری است. شما با ایجاد یک گردش کار اعتبارسنجی شروع خواهید کرد که تحلیل استاتیک، بررسی دستی و اسکن امنیتی را برای ممیزی کدهای تولید شده توسط هوش مصنوعی بر اساس الگوهای OWASP ترکیب می‌کند. چالش‌های عملی به شما کمک می‌کند تا آسیب‌پذیری‌های تزریق (Injection)، فراخوانی‌های توابع ساختگی را شناسایی کرده و مراحل اصلاح آن‌ها را مستند کنید. سپس، این دوره به پیکربندی‌های سفارشی Copilot با استفاده از فایل copilot-instructions.md می‌پردازد، جایی که استانداردهای کدنویسی خاص پروژه را تعریف می‌کنید تا Copilot به‌طور خودکار از آن‌ها پیروی کند. شما قوانین سفارشی ایجاد، تست و تکرار خواهید کرد تا قراردادهای تیمی را در تمام کدهای تولید شده اعمال کنید. در نهایت، مدل‌های زبانی بزرگ (LLM) را برای وظایف توسعه ارزیابی خواهید کرد و قابلیت‌های ارائه‌دهندگانی مانند OpenAI، Anthropic و Google را با استفاده از بنچمارک‌های عملکرد و تحلیل هزینه-فایده مقایسه می‌کنید تا مناسب‌ترین مدل را برای هر نیاز کدنویسی انتخاب کنید. در پایان این دوره، شما یک چارچوب حاکمیتی برای ادغام تولید کد با هوش مصنوعی در جریان‌های کاری تولید (Production) با اطمینان کامل خواهید داشت.

سرفصل ها و درس ها

اعتبارسنجی و ممیزی کدهای تولید شده توسط هوش مصنوعی Validating and Auditing AI-Generated Code

  • مقدمه‌ای بر اعتبارسنجی هوش مصنوعی Introduction to AI Validation

  • تکنیک‌های تایید کد هوش مصنوعی Techniques for Verifying AI Code

  • شناسایی آسیب‌پذیری‌های امنیتی Identifying Security Vulnerabilities

  • تشخیص نقص‌های منطقی و توهمات هوش مصنوعی Detecting Logical Flaws and Hallucinations

  • چالش: ممیزی امنیتی کد هوش مصنوعی Challenge: Security Audit AI Code

  • پاسخ: ممیزی امنیتی کد هوش مصنوعی Solution: Security Audit AI Code

پیکربندی‌های سفارشی و انتخاب مدل LLM Custom Configurations and LLM Selection

  • انتخاب مدل LLM مناسب Choosing the Right LLM

  • مقایسه عملکرد مدل‌ها Comparing Model Performance

  • تحلیل هزینه-فایده مدل‌ها Cost-Benefit Analysis of Models

  • گام‌های بعدی و یادگیری مستمر Next Steps and Continuous Learning

  • منابع جامعه کاربری و پشتیبانی Community Resources and Support

  • استفاده از copilot-instructions.md Using copilot-instructions.md

  • اعمال استانداردهای کدنویسی تیمی Enforcing Team Coding Standards

  • چالش: اعمال یک قانون سفارشی Challenge: Enforce a Custom Rule

  • پاسخ: اعمال یک قانون سفارشی Solution: Enforce a Custom Rule

  • تست پیکربندی‌های سفارشی Testing Custom Configurations

پروژه نهایی - حاکمیت کدهای تولید شده توسط هوش مصنوعی در عمل Capstone — Governing AI-Generated Code in Practice

نمایش نظرات

آموزش گیت‌هاب: حاکمیت و مدیریت کدهای تولید شده توسط هوش مصنوعی
جزییات دوره
3h 34m
16
(آخرین آپدیت)
125
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده