KI-basierte Code-Analyse - Das volle Potenzial von ChatGPT & Embeddings nutzen

Seminarinformationen

Seminar - Ziel

In dieser 1-tägigen Schulung "KI-basierte Code-Analyse - Das volle Potenzial von ChatGPT & Embeddings nutzen" erlernen Sie die Möglichkeiten und Grenzen der Code-Analyse mit "Large Language Models" (LLMs), wobei vor allem ChatGPT zum Einsatz kommen wird. Andere, speziell auf Entwicklung fokussierte, Sprachmodelle werden ebenfalls betrachtet. Sie lernen, wie man die Fähigkeiten von ChatGPT nutzt, um unverständlichen, alten, obskuren Code in ein verständliches, menschenlesbares Format umwandelt und wie man diesen Input beim Neu Design der Software zum Einsatz bringen kann.

Im Workshop werden Sie den Sourcecode über Embeddings in Vektoren konvertieren und den Einsatz von Vector Datenbanken besprechen, die dafür notwendigen Voraussetzungen sowie die sich daraus ergebenden Möglichkeiten und Grenzen kennenlernen. Ein weiteres Themenfeld ist die Abgrenzung der KI-Analyse gegen die klassische, "statische" Codeanalyse (wie z.B. von SonarQube), wie sie heute im Markt üblich ist.

Teilnehmer - Zielgruppe

• Softwareentwickler

Kurs - Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

• Grundlegende Programmierkenntnisse in einer oder mehreren Programmiersprachen (z. B. Python, Java, C++)
• Grundverständnis von Algorithmen und Datenstrukturen
• Python-Kenntnisse erhöhen den Mehrwert des Seminars

Seminardauer

• 1 Tag
• 09:00 Uhr bis 17:00 Uhr

Schulungsunterlagen

• nach Absprache

Seminar-Inhalt / Agenda

Einführung in die KI-Codeanalyse

• Rahmenbedingungen, konzeptioneller Ansatz

Überblick über ChatGPT / Large Language Models (LLMs)

• Funktionsweise von ChatGPT/LLMs
• ChatGPT vs. andere LLMs am Markt
• Einsatzmöglichkeiten von ChatGPT in der Softwareentwicklung

Vorstellung der Tools / Bibliotheken

• Python
• ChatGPT via Web, API sowie in CoPilot/CoPilotX
• LangChain
• Embeddings und Vectordatenbank
• Sonarqube

Analyse von Sourcecode mit ChatGPT

• Konzeptioneller Ansatz (Prompts, Prompt-Verarbeitungs-Ketten)
• Die Bedeutung der Token-Grenze ("Wahrnehmungsgrenze")
• Entwurf und Optimierung der notwendigen Prompts
• Mögliche Ergebnisformate
• Ergebnisse, Möglichkeiten und Grenzen des Ansatzes

Embeddings und Vectordatenbanken

• Was sind Embeddings?
• Was ist eine Vectordatenbank?
• Erzeugung von Embeddings und Speicherung in einer Vectordatenbank
• Anwendungsfälle und Nicht-Anwendungsfälle an konkreten Beispielen

Vergleich zu statischer Codeanalyse (wie z.B. mit SonarQube)

• Darstellung der unterschiedlichen Perspektiven
• Welcher Ansatz kann was besser?
• Ansätze für eine Synthese beider Welten

Ausblick, Kopfmonopole und Angebote am Markt

• Welche Veränderungen sind abzusehen?
• Welche spezialisierten Angebote sind bereits sichtbar?
• Wird es in Zukunft "Kopfmonopole" geben?

Weitere Schulungen zu Thema ChatGPT