Accueil » Catalogue des formations » IA, Big Data et Bases de données » IA – analyse et production de code informatique

Dernière mise à jour le 24/11/2024

Retourner au catalogueRetour

IA – analyse et production de code informatique

Informations générales

Type de formation : Formation continue

Domaine : IA, Big Data et Bases de données

Filière : IA

Rubrique : ChatGPT - BARD

Formation éligible au CPF : Non

Formation Action collective : Non

Objectifs & compétences

Comprendre quels sont les apports de l'IA dans le process de développement, les principaux outils et savoir faire le choix adéquat selon le projet.

Public visé

Développeurs, chefs de projet

Pré-requis

Connaissances de Python ou d'un autre langage de programmation structuré.

Expériences en développement

Programme

1) Apports de l’IA

Interventions à plusieurs stades du process de développement

Vérification de la qualité du code, détection d'erreurs, de failles de sécurité,

vérification de la syntaxe, des règles de développement,

Analyse de code pour générer de la documentation, pour la gestion de sources,

Génération de tests automatisés.

Utilisation de modèles d'apprentissage automatique.

Proposition de modules de codes, autocompletion, génération de codes complets.

Intérêts : aide aux développeurs, gains de temps, contrôle exhaustif, meilleuredocumentation, ..

Quelques outils phares d'analyse de code : Pylint, Checkstyle, pycodestyle, Black,CodeQL,

d'autocompletion : Tabnine, Kite,

et de production de code : Alphacode, GitHub Copilot, Codex.

2) Pycodestyle

Objectif : vérification de respect des conventions d'écriture PEP8

(Python Enhancement Proposal 8),

Fonctionnement : architecture modulaire, outil léger,

Intégration aux principaux IDE (VS Code, Pycharm, JupyterNotebook, ...)

renvoi direct aux erreurs lors de l'édition du code.

Configuration en mode utilisateir ou projet.

Atelier : Installation de pydecodestyle

Mise en oeuvre sur un programme simple,

Affichage des erreurs dans un code source,

Intégration à JupyterNotebook

3) Pylint

Objectif : vérification du respect de la PEP8,

Détection d'erreurs de programmation,aide au refactoring,

Configuration des priorités utilisateur,

Intégration continue, intégration avec les principaux éditeurs et ide

Atelier : Installation de Pylint

Configuration de la détection d'erreurs,

Désactivation des vérifications de règles d'écriture et du refactoring,

Test sur des programmes caractéristiques.

4) CodeQL

Objectif : recherche de failles de sécurité dans du code

Fonctionnement :

génération d'une base de données à partir du code, exécution de requêtes sur cette basepour détecter les

failles.

Langages traités, architecture : s

Atelier : Mise en oeuvre de CodeQL pour Python

Ecriture de requêtes basiques pour du code Python

Uuilisation de CodeQL library for Python

5 ) Alphacode

Présentation du projet Google deepmind

Principe de fonctionnement

Résultats obtenus sur CodeForces

6) Copilot

Présentation du projet Git alimenté par OpenAI Codex.

Fonction : assistant virtuel en programmation.

Fourniture de suggestions de lignes entières de codes ou de fonction entières

Langages supportés

Atelier : Démonstration sur GITHUB de l’utilisation de Copilot

7) Codex

Projet : OpenAI Codex, module du projet OpenAI,

production de code informatique à partir de requêtes exprimées en langage naturel

Ressources disponibles : bibliothèque de codes en ligne, hackathons, librairies Python,etc ...

Atelier : Démonstration avec OpenAI Codex

Génération de code Python à partir d'un cahier des charges simple

Tests et amélioration du code depuis l'interface en langage naturel.

8) Les limites et risques

Nécessité d'une nouvelle organisation des tâches de développeurs.

Définition du problème à résoudre, définition des contraintes, des jeux d'essai, etc ...

Potentiels risques de sécurité, risques juridiques : origine des solutions utilisées, propriétédu code/

Erreurs de compréhension, d'analyse du problème à résoudre.

Importance des contrôles humains à mettre en place.

Modalités

Jusqu'a 8 jours avant le début de la formation, sous condition d'un dossier d'insciption complet

Méthode

Fin de formation : entretien individuel.

Satisfaction des participants : questionnaire de satisfaction réalisé en fin de formation.

Assiduité : certificat de réalisation.

Validations des acquis : grille d'evalution des acquis établie par le formateur en fin de formation.

Objectifs & compétences

Comprendre quels sont les apports de l'IA dans le process de développement, les principaux outils et savoir faire le choix adéquat selon le projet.

Public visé

Développeurs, chefs de projet

Pré-requis

Connaissances de Python ou d'un autre langage de programmation structuré.

Expériences en développement

Programme

1) Apports de l’IA

Interventions à plusieurs stades du process de développement

Vérification de la qualité du code, détection d'erreurs, de failles de sécurité,

vérification de la syntaxe, des règles de développement,

Analyse de code pour générer de la documentation, pour la gestion de sources,

Génération de tests automatisés.

Utilisation de modèles d'apprentissage automatique.

Proposition de modules de codes, autocompletion, génération de codes complets.

Intérêts : aide aux développeurs, gains de temps, contrôle exhaustif, meilleuredocumentation, ..

Quelques outils phares d'analyse de code : Pylint, Checkstyle, pycodestyle, Black,CodeQL,

d'autocompletion : Tabnine, Kite,

et de production de code : Alphacode, GitHub Copilot, Codex.

2) Pycodestyle

Objectif : vérification de respect des conventions d'écriture PEP8

(Python Enhancement Proposal 8),

Fonctionnement : architecture modulaire, outil léger,

Intégration aux principaux IDE (VS Code, Pycharm, JupyterNotebook, ...)

renvoi direct aux erreurs lors de l'édition du code.

Configuration en mode utilisateir ou projet.

Atelier : Installation de pydecodestyle

Mise en oeuvre sur un programme simple,

Affichage des erreurs dans un code source,

Intégration à JupyterNotebook

3) Pylint

Objectif : vérification du respect de la PEP8,

Détection d'erreurs de programmation,aide au refactoring,

Configuration des priorités utilisateur,

Intégration continue, intégration avec les principaux éditeurs et ide

Atelier : Installation de Pylint

Configuration de la détection d'erreurs,

Désactivation des vérifications de règles d'écriture et du refactoring,

Test sur des programmes caractéristiques.

4) CodeQL

Objectif : recherche de failles de sécurité dans du code

Fonctionnement :

génération d'une base de données à partir du code, exécution de requêtes sur cette basepour détecter les

failles.

Langages traités, architecture : s

Atelier : Mise en oeuvre de CodeQL pour Python

Ecriture de requêtes basiques pour du code Python

Uuilisation de CodeQL library for Python

5 ) Alphacode

Présentation du projet Google deepmind

Principe de fonctionnement

Résultats obtenus sur CodeForces

6) Copilot

Présentation du projet Git alimenté par OpenAI Codex.

Fonction : assistant virtuel en programmation.

Fourniture de suggestions de lignes entières de codes ou de fonction entières

Langages supportés

Atelier : Démonstration sur GITHUB de l’utilisation de Copilot

7) Codex

Projet : OpenAI Codex, module du projet OpenAI,

production de code informatique à partir de requêtes exprimées en langage naturel

Ressources disponibles : bibliothèque de codes en ligne, hackathons, librairies Python,etc ...

Atelier : Démonstration avec OpenAI Codex

Génération de code Python à partir d'un cahier des charges simple

Tests et amélioration du code depuis l'interface en langage naturel.

8) Les limites et risques

Nécessité d'une nouvelle organisation des tâches de développeurs.

Définition du problème à résoudre, définition des contraintes, des jeux d'essai, etc ...

Potentiels risques de sécurité, risques juridiques : origine des solutions utilisées, propriétédu code/

Erreurs de compréhension, d'analyse du problème à résoudre.

Importance des contrôles humains à mettre en place.

Modalités

Jusqu'a 8 jours avant le début de la formation, sous condition d'un dossier d'insciption complet

Méthodes

Fin de formation : entretien individuel.

Satisfaction des participants : questionnaire de satisfaction réalisé en fin de formation.

Assiduité : certificat de réalisation.

Validations des acquis : grille d'evalution des acquis établie par le formateur en fin de formation.

Code de formation : IA051

Tarifs

Prix public : 1610 €

Tarif & financement :

Nous vous accompagnons pour trouver la meilleure solution de financement parmi les suivantes :

Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.

Le dispositif FNE-Formation.

L’OPCO (opérateurs de compétences) de votre entreprise.

France Travail: sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.

CPF -MonCompteFormation

Contactez nous pour plus d’information : contact@aston-institut.com

Lieux & Horaires

Durée : 14 heures

Délai d'accès :

Jusqu’à 8 jours avant le début de la formation

Prochaines sessions

Comprendre les principes du NLP et savoir les mettre en œuvre avec Python.

14 heures de formations sur 2 Jours