Vibe Coding Eğitimi

Eğitim Tipi : Sanal Sınıf / Online
Süre : 2 Gün
PDF İndir
  1. Anasayfa
  3. Vibe Coding Eğitimi

Eğitim Açıklaması

    Bu eğitimin amacı; yazılım geliştirme süreçlerinde üretken yapay zeka araçlarının kontrollü, verimli ve kurumsal standartlara uygun şekilde kullanılmasını sağlamaktır.

    Eğitim sonunda katılımcılar; AI destekli yazılım geliştirme sürecini uçtan uca yönetebilecek, modern AI coding araçlarını etkin şekilde kullanabilecek ve kurumlarında uygulanabilir bir AI kullanım modeli oluşturabilecek bilgi ve yaklaşımlara sahip olacaktır.

    Eğitimin Kazanımları

    • Kurumsal AI destekli yazılım geliştirme modeli oluşturma yaklaşımını öğrenir
    • Standartlaştırılmış AI kullanım rehberi hazırlama metodolojisini kavrar
    • Prompt kütüphanesi oluşturma ve yönetme yaklaşımını öğrenir
    • Test ve refactor süreçlerinde AI entegrasyonunu etkin şekilde kullanabilir
    • Token kullanımı ve AI maliyet optimizasyonu konusunda farkındalık kazanır

Eğitim İçeriği

1. Gün – Temel Kavramlar ve Modern AI Coding Ekosistemi

Yapay Zeka ve LLM Temelleri

  • Üretken yapay zeka ve LLM kavramları
  • LLM’lerin çalışma prensibi (yüksek seviyeli mimari)
  • Token, context window ve embedding kavramları
  • Halüsinasyon ve güvenilirlik sınırları
  • RAG ve fine-tuning farkları
  • AI ile yazılım geliştirmede doğru beklenti modeli

Token Kullanımı ve Context Yönetimi – Best Practices

  • Parçalı ilerleme (micro-tasking) yaklaşımı
  • Gereksiz verbose promptlardan kaçınma
  • Context temizliği için özetleme kullanma
  • Prompt şablonları ve prompt kütüphanesi oluşturma
  • Token ve maliyet takibi için metrik belirleme

Modern AI Coding Araçları

  • Cursor – Agent Mode, proje bazlı context yönetimi, refactor ve diff analizi
  • Claude Code – Terminal tabanlı AI coding, uzun context avantajı
  • Antigravity – Repository-level analiz ve mimari keşif
  • VS Code + LLM entegrasyonları – Copilot ve agent tabanlı geliştirme
  • Lab

2. Gün – İleri Seviye Kullanım ve Kurumsal Adaptasyon

AI ile Test, Refactor ve Debug Süreçleri

  • AI ile unit test ve edge-case üretimi
  • Refactor ve clean code yaklaşımları
  • Performans iyileştirme senaryoları
  • AI destekli hata analizi ve root cause tespiti

Güvenlik ve Kurumsal Uyum

  • AI üretilen kodun doğrulanması
  • Güvenlik açıklarının analizi
  • PII ve veri güvenliği
  • On-prem ve cloud model kullanım stratejisi
  • Loglama ve audit yaklaşımı

Takım Bazlı AI Kullanım Modeli

  • AI Coding Policy oluşturma
  • Prompt rehberi yazma
  • Kod review süreçlerine AI entegrasyonu
  • AI destekli sprint planlama
  • AI-driven development squad yaklaşımı

Ön Koşullar

Temel seviyede yazılım geliştirme bilgisine sahip olmak önerilir.