آموزش عیب‌یابی با هوش مصنوعی و رفع خطا با روش توسعه مبتنی بر تست (TDD) - آخرین آپدیت

دانلود AI Debugging and Test-Driven fixes

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره یاد می‌گیرید که چگونه با استفاده از ابزارهای هوش مصنوعی و استراتژی‌های توسعه مبتنی بر تست (TDD)، نرم‌افزار خود را به صورت سیستماتیک دیباگ کنید. شما بررسی خواهید کرد که چرا عیب‌یابی با هوش مصنوعی برای تشخیص الگو در پایگاه‌های کد بزرگ بسیار مفید است و با چالش‌های خروجی هوش مصنوعی، از جمله خطای توهم (Hallucination) و اهمیت تایید پیشنهادات هوش مصنوعی بر اساس رفتار واقعی کد، آشنا خواهید شد. این دوره شامل تحلیل معماری پروژه به عنوان پیش‌نیاز عیب‌یابی موثر است و از مستندات برای ارائه بافت (Context) اختصاصی پروژه به ابزارهای هوش مصنوعی استفاده می‌کند تا پیشنهادات دقیق‌تر شده و احتمال توهم کاهش یابد. شما عیب‌یابی مبتنی بر تست را به کار خواهید گرفت؛ جایی که تست‌ها اجزای دارای خطا را ایزوله می‌کنند، خطاها را با دقت از طریق تست‌های شکست‌خورده تعریف می‌کنند و اصلاحات را بدون ایجاد خطای بازگشتی (Regression) تایید می‌کنند. رویکرد 'اول تست' نشان می‌دهد که چگونه نوشتن یک تست شکست‌خورده قبل از رفع باگ، تضمین می‌کند که اصلاح انجام شده دقیقاً مشکل اصلی را حل می‌کند. ماژول پیشرفته شامل تکنیک‌های جمع‌آوری بافت است که لاگ‌ها، ردپاها (Traces) و تاریخچه کد را برای تشخیص دقیق در اختیار هوش مصنوعی قرار می‌دهد، همچنین شامل ثبت وقایع ساختاریافته (Structured Logging) برای استفاده انسان و هوش مصنوعی و یافتن مسیر عیب‌یابی از طریق تحلیل بافتی (به جای پرس‌وجوهای بدون هدف) است. شما با استفاده از هوش مصنوعی برای شکار پیش‌دستانه باگ‌ها، به جستجوی نقص‌های ناشناخته از طریق تحلیل کد منبع و رتبه‌بندی مشکلات بر اساس شدت آن‌ها خواهید پرداخت. این دوره با یک چارچوب کامل که تست، جمع‌آوری بافت، لاگ‌گذاری و تحلیل هوش مصنوعی را در یک جریان کاری واحد ادغام می‌کند، به پایان می‌رسد. با تکمیل این دوره، شما قادر خواهید بود توسعه مبتنی بر تست را با عیب‌یابی به کمک هوش مصنوعی ترکیب کنید تا باگ‌ها را به صورت سیستماتیک پیدا، بازتولید و رفع کنید.

سرفصل ها و درس ها

مبانی عیب‌یابی با هوش مصنوعی Debugging Foundations with AI

  • مقدمه دوره Course Introduction

  • چرا عیب‌یابی با هوش مصنوعی مفید است Why AI Debugging Is Useful

  • چالش‌های خروجی هوش مصنوعی Challenges with AI Output

  • بررسی پروژه Exploring the Project

  • نتیجه‌گیری Conclusion

  • مروری بر مسائل برای رفع Overview of Issues to Fix

  • معماری پروژه Architecture of the Project

  • مستندات برای عیب‌یابی Documentation for Debugging

  • نتیجه‌گیری Conclusion

  • مقدمه Introduction

  • اهمیت تست کردن The Importance of Testing

  • عیب‌یابی آسان‌تر با تست‌ها Easier Debugging with Tests

  • اصلاح ساده با استفاده از تست Simple Fixing with Testing

  • تعریف یک باگ با تست Defining a Bug with a Test

  • نتیجه‌گیری Conclusion

استراتژی‌های پیشرفته عیب‌یابی با هوش مصنوعی Advanced AI Debugging Strategies

  • مقدمه Introduction

  • جمع‌آوری بافت (Context) برای عیب‌یابی Gathering Context for Debugging

  • یافتن مسیر با استفاده از بافت Finding Direction with Context

  • کمک به هوش مصنوعی با استفاده از لاگ‌گذاری Helping AI with Logging

  • نتیجه‌گیری Conclusion

  • مقدمه Introduction

  • بررسی باگ‌های احتمالی ناشناخته Exploring Potential Unknown Bugs

  • مروری بر عیب‌یابی و تست با هوش مصنوعی Overview of Debugging and Testing with AI

پروژه نهایی Capstone Project

  • جمع‌بندی دوره Course Conclusion

نمایش نظرات

آموزش عیب‌یابی با هوش مصنوعی و رفع خطا با روش توسعه مبتنی بر تست (TDD)
جزییات دوره
3h 33m
24
(آخرین آپدیت)
58
- 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