لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات