Продвинутое программирование на языке Java при помощи Искусственного Интеллекта
Java with AI. Advanced
Подробнее о курсе
Краткое описание курса
Курс является логическим продолжением курса «Основы программирования на языке Java при помощи Искусственного Интеллекта».
В программу интегрированы инструменты интеллектуального анализа кода, автоматизированной диагностики JVM и AI-оптимизации архитектурных решений
Целевая аудитория курса
- Курс предназначен для разработчиков, владеющих основами Java SE и работающих с версиями JSE 21 и старше
Получаемые знания и навыки
- разработка приложений на Java
- работа в современных IDE
- использование AI-ассистентов
- генерация тестов и документации
- анализ и оптимизация кода
- интеграция AI-сервисов
Инструменты разработки, рассматриваемые на обучении
- IntelliJ IDEA
- Open IDE
- GiGa IDE
AI-инструменты, рассматриваемые на обучении
- GitHub Copilot
- ChatGPT
- AI-плагины для IDE
- Генерация тестов и документации с помощью ИИ
Предварительно рекомендуется прослушать курс(ы)
Краткое содержание курса
Модуль 1 — Эволюция JVM и интеллектуальный анализ платформы
- Версии SDK и JVM. Эволюция Java: от ООП к функциональному программированию
- Запуск JVM и порядок загрузки классов
- AI-анализ логов запуска и параметров JVM
- Оптимизация конфигурации на основе рекомендаций ИИ
Модуль 2 — Память JVM и сборка мусора с AI-диагностикой
- Heap, Stack, Metaspace. Управление размерами памяти
- Алгоритмы GC (G1, ZGC, Shenandoah)
- Анализ heap dump и поиск утечек памяти
- Прогнозирование поведения приложения под нагрузкой
Модуль 3 — Профилирование и AI-оптимизация производительности
- Мониторинг JVM и распределение объектов
- Загрузка классов и объект Class
- Интерпретация дампов памяти с помощью ИИ
- Выявление узких мест и CPU bottleneck
Модуль 4 — Функциональное программирование и интеллектуальная обработка данных
- Функциональные интерфейсы и лямбда-выражения
- Stream и ParallelStream
- Оптимизация Stream pipeline средствами AI
- Рефакторинг императивного кода в функциональный
Модуль 5 — Многопоточность и AI-анализ конкурентности
- Thread, Runnable, ExecutorService
- ForkJoinPool и CompletableFuture
- Поиск гонок данных и deadlock
- Оптимизация пулов потоков
Модуль 6 — Аннотации, рефлексия и динамическая метапрограммирование
- Создание собственных аннотаций
- Reflection API и динамическая загрузка классов
- Генерация аннотаций по контракту
- Автоматическая проверка архитектурных ограничений
Модуль 7 — Сетевые взаимодействия и нагрузочное тестирование
- Socket сервер и клиент
- Пулы потоков для сетевых сервисов
- Анализ логов нагрузки с использованием AI
- Моделирование масштабируемости системы
Модуль 8 — Spring и JakartaEE в контексте AI-архитектуры
- Сравнение архитектурных подходов
- AI-генерация конфигураций
- Анализ масштабируемости микросервисов
- Оценка производительности и устойчивости
Итоговая практическая работа
Разработка высоконагруженного серверного приложения с мониторингом JVM, использованием конкурентных механизмов и AI-анализом производительности
