Developing in Agentic AI Systems (GH-600T00)
Plan obuke
Module 1: Developing in Agentic AI Systems Part 1 of 2
- Foundations of Agentic AI in GitHub
- Designing Agent Architecture and SDLC Integration
- Tooling, MCP, and Agent Execution Environments
Module 2: Developing in agentic AI systems part 2 of 2
- Multi-Agent Systems and Orchestration
- Memory, State, and Evaluation
- Governance, guardrails, and operations
Preporučeno predznanje
- Iskustvo u razvoju softvera: veština u dizajnu aplikacija, kontroli verzija i primeni najboljih praksi u razvoju.
- Poznavanje alata Git i GitHub: razumevanje repozitorijuma, grana (branches), zahteva za spajanje koda (pull requests), praćenja problema (issues) i radnih tokova (Actions/CI).
- Osnovno znanje o veštačkoj inteligenciji (AI) i velikim jezičkim modelima (LLM): koncepti upita (prompts), konteksta, ograničenja modela i principa generisanja sadržaja.
- Razumevanje arhitekture aplikacija: API-ji, integracije, događaji/razmena poruka (u zavisnosti od projekata) i obrasci orkestracije.
- Poznavanje DevOps praksi: CI/CD pipelines, upravljanje okruženjima, raspoređivanje (deployment) i osnovno praćenje rada sistema (observability).
- Osnove bezbednosti i usklađenosti: principi bezbednosti aplikacija, upravljanje poverljivim podacima (secrets), kontrola pristupa i najbolje prakse upravljanja.
- Veština rada u komandnoj liniji: korišćenje terminala, Git komandi i pokretanje alata za izgradnju i testiranje.
- Iskustvo u pregledu koda (code review): sposobnost procene kvaliteta, mogućnosti održavanja i pouzdanosti koda (uključujući i kod za AI komponente).
Stručno usavršavanje i sertifikacija
Exam features
- Kod: GH-600
- Naziv: Developing in Agentic AI Systems
- Trajanje: 100 minuta
- Number of Questions: 40 to 60
- Format pitanja: Višestruki izbor, višestruke odgovore, zasnovano na scenarijima
- Prolazna ocena: 700 od 1000
- Cena: 99 USD
Teme ispita
- Pripremiti arhitekturu agenta i procese životnog ciklusa razvoja softvera (SDLC)
- Implementirati upotrebu alata i interakciju sa okruženjem
- Upravljati memorijom, stanjem i izvršavanjem
- Sprovesti evaluaciju, analizu grešaka i fino podešavanje
- Orkestrirati koordinaciju više agenata
- Uvesti zaštitne mehanizme i obezbediti odgovornost
Sertifikovana obuka za razvoj Agentic AI GH-600
Kurs „GitHub Certified: Agentic AI Developer (GH600)” idealan je za sve koji žele da steknu sveobuhvatno razumevanje razvoja, integracije i upravljanja AI agentima u okviru SDLC (životni ciklus razvoja softvera) procesa u produkcionom okruženju, koristeći GitHub kao referentni sistem i kontrolnu ravan. Ovaj kurs obuhvata ključne koncepte, uključujući pripremu arhitekture agenata i njihovu integraciju u životni ciklus razvoja, primenu alata i interakciju sa okruženjem (uključujući konfigurisanje MCP servera), upravljanje memorijom, stanjem i izvršavanjem, kao i evaluaciju, analizu grešaka i optimizaciju izlaznih rezultata agenata. Takođe pokriva orkestraciju više agenata, praćenje autonomnog ponašanja putem GitHub kontrola, kao i implementaciju zaštitnih mera i mehanizama odgovornosti radi obezbeđivanja pouzdanosti, bezbednosti i brzine rada.
Ova obuka predstavlja ključni korak za one koji žele da razviju tražene veštine u oblasti AI agenata primenjenih u razvoju softvera i da napreduju ka ulogama koje podrazumevaju integraciju, upravljanje i operacionalizaciju AI agenata u savremenim okruženjima za isporuku softvera.
Zašto pohađati GH-600 obuku?
Ova obuka je osmišljena tako da pruži jasan pregled „agentske” veštačke inteligencije (agentic AI) primenjene u razvoju softvera, kao i njenog uticaja na savremene prakse životnog ciklusa razvoja softvera (SDLC). Naučićete kako da dizajnirate, integrišete, nadgledate i upravljate AI agentima u okviru razvojnih tokova rada u produkcionom okruženju, koristeći GitHub kao referentni sistem i kontrolnu ravan. Cilj je da vam se omogući povećanje brzine rada bez ugrožavanja pouzdanosti, kroz bolje ovladavanje arhitekturom agenata, orkestracijom akcija i alata, upravljanjem memorijom i izvršavanjem, kao i procenom i finim podešavanjem izlaznih rezultata.
U okruženju u kojem timovi ubrzano usvajaju asistente i agente (kao što su Copilot, prilagođeni agenti i MCP serveri), razumevanje načina upravljanja autonomijom postaje ključno: definisanje granica između planiranja i izvršenja, kreiranje artefakata pogodnih za reviziju, uključivanje ljudskog doprinosa kada je to potrebno, kao i primena zaštitnih mera radi bezbednosti, usklađenosti sa propisima i odgovorne upotrebe veštačke inteligencije.
Sertifikacija povezana sa kursom GH-600 potvrđuje vašu sposobnost za rad sa AI agentima i njihovu primenu u industrijskim razmerama u stvarnim razvojnim okruženjima, uključujući integraciju sa SDLC procesima, bezbednu interakciju sa alatima i okruženjima, koordinaciju više agenata, kao i obezbeđivanje vidljivosti sistema (observability) i sledljivosti operacija.
Ključne veštine koje se stiču tokom obuke GH-600
Razumevanje agentske veštačke inteligencije u okviru SDLC-a
Ovaj deo kursa razjašnjava šta je agent (cilj, planiranje, izvršenje), kako ga integrisati u tok rada razvoja i kako definisati ulazne i izlazne podatke, kao i kriterijume uspešnosti za zadatke dodeljene agentu.Definisanje granica između planiranja, zaključivanja i delovanja
Naučićete kako da konfigurišete agente da kreiraju strukturirane planove, potvrđuju te planove i sprečavaju izvršenje radnji sve dok se ne obavi provera ili odobrenje, kada je to potrebno.Implementacija upotrebe alata i interakcije sa okruženjem
Kurs obuhvata izbor i konfigurisanje alata agenta, upravljanje dozvolama, integraciju u razvojna okruženja (repozitorijumi, grane, CI/CD) i izvršavanje autonomnih radnji (npr. kreiranje grana i *pull* zahteva) na kontrolisan način.Konfigurisanje i korišćenje MCP servera
Naučićete kako da dodate MCP server kao alat, konfigurišete udaljeni GitHub MCP server i upravljate registrima i listama dozvoljenih stavki kako biste na kontrolisan način proširili mogućnosti agenta.Upravljanje memorijom, stanjem i izvršenjem
Učesnici će naučiti kako da biraju između kratkoročne, dugoročne i spoljašnje memorije, ograniče memoriju na relevantne informacije, definišu pravila za istek, čišćenje i resetovanje, kao i kako da spreče odstupanje konteksta tokom dugotrajnih izvršenja.Osiguravanje pouzdanog izvršenja (greške, ponovni pokušaji, sledljivost)
Naučićete kako da implementirate bezbedne putanje izvršenja: rukovanje greškama, ponovne pokušaje, vraćanje na prethodno stanje (rollback), eskalaciju, kao i sledljivost i odgovornost za radnje koje agent izvršava.Procena i analiza grešaka i optimizacija izlaznih rezultata
Ovaj kurs prikazuje kako se definišu signali za procenu (kvalitativni/kvantitativni), generišu signali pomoću alata za skeniranje, analiziraju neuspesi (zaključivanje, alati, kontekst/okruženje) i prilagođavaju instrukcije, memorija i pristup alatima.- Orkestracija koordinacije više agenata
Naučićete kako da primenite obrasce orkestracije, izolujete agente koji rade paralelno, otkrijete i rešite konflikte (promene u kodu, duplikati, kontradikcije) i kreirate korisne artefakte za pregled i reviziju.
Obuka pod vođstvom instruktora
Kurs GH-600 vode iskusni instruktori koji polaznike vode kroz procese dizajniranja, integracije i rada AI agenata u okviru SDLC radnih tokova u produkcionom okruženju. Kroz strukturirana objašnjenja, konkretne primere i praktične vežbe, naučićete kako da konfigurišete agente, upravljate korišćenjem alata i okruženja za izvršavanje (uključujući MCP-ove), upravljate memorijom i stanjem, kao i kako da implementirate mehanizme za nadzor i evaluaciju.
Interaktivne sesije vam omogućavaju da postavljate pitanja, analizirate scenarije iz prakse (greške, odstupanje konteksta, nepravilna upotreba alata, koordinacija više agenata) i primenjujete zaštitne mere i prakse odgovornog rada kako biste poboljšali pouzdanost i bezbednost agenata, bez usporavanja procesa isporuke.
Ovaj pedagoški pristup osigurava da polaznici steknu temeljno razumevanje obrađenih koncepata i budu dobro pripremljeni za polaganje GH-600 ispita.
Ciljna grupa za obuku
Ova obuka je idealna za:
- Programere i inženjere koji žele da integrišu AI agente u svoje radne procese (upravljanje zadacima/problemima, grane koda, pull zahtevi, CI/CD), uz zadržavanje kontrole nad kvalitetom i pouzdanošću.
- DevOps i platform inženjere koji upravljaju okruženjima životnog ciklusa razvoja softvera (SDLC) i žele da kontrolišu izvršavanje agenata (dozvole, okruženja, vidljivost sistema, vraćanje na prethodno stanje, sledljivost).
- Arhitekte i tehničke vođe koji treba da definišu arhitekturu, granice autonomije i procese upravljanja za agente u produkcionom okruženju.
- Inženjere bezbednosti i službenike zadužene za usklađenost sa propisima koji žele da primene zaštitne mehanizme, princip najmanjih privilegija i sisteme odgovornosti za agente sposobne da deluju na kod i tokove podataka.
- Menadžere proizvoda i menadžere isporuke koji žele bolje da procene uticaj AI agenata na brzinu rada, kvalitet i operativne rizike u okviru svojih timova.
Zaključak
Kroz kurs GH-600 (Razvoj sistema sa autonomnim AI agentima) steći ćete solidnu stručnost u projektovanju, integraciji, nadzoru i upravljanju AI agentima u okviru SDLC radnih tokova u produkcionom okruženju, koristeći GitHub kao referentni sistem i kontrolnu ravan. Naučićete da orkestrirate upotrebom alata i okruženja (uključujući MCP), upravljate memorijom i izvršavanjem, procenjujete i optimizujete izlazne rezultate, koordinišete scenarije sa više agenata, kao i da primenjujete zaštitne mehanizme i obezbeđujete odgovornost kako biste postigli ravnotežu između brzine, pouzdanosti i bezbednosti.
Strategije za uspeh na GH-600 ispitu
Savladavanje GH-600 sertifikacije zahteva više od tehničkog znanja – strateška priprema, efikasno upravljanje vremenom i optimalne mentalne performanse podjednako su ključni za uspeh.
GH-600 statistika i stope uspešnosti
- Prosečna stopa položenih ispita: 60-75% iz prvog pokušaja (prosek za nivo Github Specialty)
- Najčešći raspon rezultata: 720-800 za kandidate koji polažu ispit
- Prosečno vreme učenja: 4-8 nedelja za iskusne Dev/DevOps profile
- Stopa ponovnog polaganja: 25-30% kandidata zahteva drugi pokušaj
- Najčešće oblasti neuspeha: Primena korišćenja alata i interakcija sa okruženjem (20–25%), evaluacija, analiza grešaka i fino podešavanje (15–20%), arhitektura agenta i životni ciklus razvoja softvera (SDLC) (15–20%), memorija, stanje i izvršavanje (10–15%), koordinacija više agenata (15–20%), zaštitni mehanizmi i odgovornost (10–15%)
Poređenje metoda učenja
| Pristup učenju | Trajanje | Prolaznost | Najbolje za |
|---|---|---|---|
|
Samo praktična vežba |
4-6 nedelja |
45-60% |
Iskusni Developeri/DevOps |
|
Praktična vežba i dokumentacija |
5-8 nedelja |
65-80% |
Metodični polaznici |
|
Obuka + laboratorije + praktična vežba |
4-7 nedelja |
80-90% |
Sveobuhvatna priprema |
|
Samo probni testovi |
1-3 nedelje |
30-45% |
Nije preporučljivo |
Strateški pristup učenju
- Napravite plan učenja u trajanju od 6 do 8 nedelja: izbegavajte učenje „u poslednji čas”. Ispit GH-600 procenjuje veštine integracije i rada sa agentima u okviru SDLC-a (životnog ciklusa razvoja softvera), što zahteva vežbanje i ponavljanje.
- Primenite pravilo 70-20-10: 70% vremena posvetite vežbanju na scenarijima za GH-600 (agenti u SDLC-u, korišćenje alata, izvršavanje u okruženju/CI-ju, artefakti, vidljivost sistema), 20% proučavanju dokumentacije (Microsoft Learn i GitHub Docs, posebno o agentima, MCP-ovima, kontrolama i tokovima rada), a 10% ciljanim testovima i vežbanju (pitanja i samoprovera) kako biste identifikovali nedostatke i prilagodili plan.
- Fokusirajte se na učenje kroz scenarije: GH-600 stavlja akcenat na sposobnost dizajniranja, nadzora i upravljanja agentima u realnim uslovima, uključujući granice planiranja i delovanja, dozvole, upravljanje memorijom i stanjem, analizu grešaka, fino podešavanje, koordinaciju više agenata, zaštitne mehanizme (guardrails) i odgovornost.
- Učite u fokusiranim blokovima od 90 minuta sa pauzama od 15 minuta radi boljeg usvajanja gradiva, a svaku sesiju završite kratkom rekapitulacijom (šta je funkcionisalo, šta nije, i koji artefakti ili zapisi potvrđuju rezultat).
Uobičajene greške na ispitu koje treba izbegavati
- Mešanje planiranja i izvršavanja – GH-600 naglašava sposobnost jasnog razgraničenja između zaključivanja/planiranja i same akcije, izrade strukturiranog plana i njegove validacije pre odobravanja akcija (naročito kada je rizik visok).
- Potcenjivanje upravljanja dozvolama i opsegom (scope): mnoge greške proizilaze iz pogrešno konfigurisanih alata (dozvole koje su previše široke ili previše restriktivne), loše definisanog opsega (repozitorijum/grana/CI) ili konteksta izvršavanja koji nije kompatibilan sa okruženjem.
- Zanemarivanje vidljivosti sistema (observability) i artefakata: proces provere zahteva da agenti generisane izlazne podatke čine dostupnim za pregled i reviziju (planovi, logovi, tragovi izvršavanja, pull zahtevi, komentari, artefakti radnog toka), kao i da vi umete da ih iskoristite za dijagnostikovanje autonomnog ponašanja.
- Loše upravljanje memorijom, stanjem i odstupanjem konteksta (context drift): izostanak definisanja pravila za istek/čišćenje/resetovanje, ili neuspeh u beleženju odluka i napretka kao trajnih artefakata, dovodi do toga da agenti ponavljaju radnje, odstupaju od cilja ili koriste zastareli kontekst.
- Mešanje grešaka u zaključivanju, nepravilne upotrebe alata i problema u okruženju: GH-600 procenjuje vašu sposobnost da na osnovu planova, logova, izlaznih podataka i artefakata utvrdite osnovni uzrok problema, a zatim shodno tome prilagodite instrukcije, radne tokove, memoriju i pristup alatima.
- Zanemarivanje koordinacije više agenata – česti problemi: konflikti pri izmenama koda, dupliranje napora, kontradiktorni izlazni podaci, nedostatak izolacije za paralelno izvršavanje, kao i nedovoljno razvijeni mehanizmi za rešavanje problema i oporavak (vraćanje na prethodno stanje/uključivanje čoveka u proces).
- Primena zaštitnih mera (guardrails) koje su previše stroge (ili previše slabe) – cilj je postići „pravu meru” autonomije: klasifikovati akcije prema riziku, primeniti princip najmanjih privilegija, blokirati radnje koje krše bezbednosne standarde, propise o usklađenosti ili principe odgovorne veštačke inteligencije, te održati brzinu rada izbegavanjem nepotrebnih validacija.
Raspodela težine po temama
| Oblast ispita | Težina | Fokus oblasti | Prioritet |
|---|---|---|---|
|
Pripremite arhitekturu agenta i procese životnog ciklusa razvoja softvera (SDLC) |
15-20% |
Integracija agenata u SDLC, definisanje koraka, anti-obrasci, ulazi/izlazi, kriterijumi uspešnosti, granice planiranja/zaključivanja/delovanja, kao i mogućnost praćenja i kontrole |
Visoko |
|
Uvođenje upotrebe alata i interakcija sa okruženjem |
20-25% |
Izbor/konfiguracija alata, dozvole, MCP serveri (registri/liste dozvoljenih stavki), integracija u okruženja (repozitorijum/grana/CI), autonomne radnje (grana/PR), ograničenja okruženja, greške/ponovni pokušaji/vraćanje na prethodno stanje/eskalacija, sledljivost |
Kritično |
|
Upravljanje memorijom, stanjem i izvršavanjem |
10-15% |
Strategije pamćenja (kratkoročno/dugoročno/spoljašnje), opseg relevantan za zadatak, istek/uklanjanje/resetovanje, trajnost stanja, oporavak, odstupanje konteksta, kontinuitet između alata/okruženja, sprečavanje zastarelog konteksta/konflikata |
Visoko |
|
Sprovedite evaluaciju, analizu grešaka i podešavanje (fino podešavanje) |
15-20% |
Kriterijumi uspeha, signali za kvalitativnu/kvantitativnu procenu, generisanje putem skeniranja, analiza neuspeha (rezonovanje/alati/kontekst/okruženje), prilagođavanje instrukcija/radnih tokova/ograničenja, usavršavanje memorije i pristup alatima |
Kritično |
|
Orkestriranje koordinacije više agenata |
15-20% |
Obrasci orkestracije, izolacija/paralelno izvršavanje, rešavanje konflikata (kod/napor/protivrečnosti), vidljivost sistema sa više agenata (logovi/artefakti/signali), naknadna analiza, oporavak (vraćanje na prethodno stanje/učešće čoveka – HITL), životni ciklus (dodavanje/ažuriranje/uklanjanje) |
Visoko |
|
Uvođenje zaštitnih mera i mehanizama odgovornosti |
10-15% |
Nivoi autonomije prema vrsti rizika (operativni/bezbednosni/usklađenost), princip najmanjih privilegija, uključenost čoveka u proces (HITL), blokiranje radnji koje nisu u skladu sa pravilima (bezbednost/odgovorna veštačka inteligencija), izričita odobrenja za nepovratne ili osetljive radnje, očuvanje brzine rada. |
Visoko |
Upravljanje vremenom na dan ispita
- U proseku, dodelite 90 sekundi po pitanju – ovo daje vremenski rezervni prostor za složene scenarije.
- Prvo u potpunosti pročitajte studije slučaja pre nego što pokušate da odgovorite na srodna pitanja.
- Označite neizvesna pitanja i vratite se na njih – nemojte se zaglaviti na teškim stavkama.
- Ostavite 15 minuta na kraju za pregled označenih pitanja i proveru odgovora.
Upravljanje stresom i performansama na ispitu
- Naspavajte se 7-8 sati kvalitetno prethodne noći – izbegavajte preopterećenja u poslednjem trenutku
- Dođite 30 minuta ranije da biste se smestili i mirno završili procedure prijave
- Koristite tehnike dubokog disanja ako se osećate preopterećeno tokom ispita
- Verujte svojoj pripremi – osnovni ispiti testiraju razumevanje, a ne pamćenje
Tehnički saveti za pripremu
- Vežbajte integraciju agenata u GitHub SDLC – naučite da pokrenete agenta u realnom okruženju (repozitorijum/grana/PR/CI), kreirate artefakte pogodne za proveru (plan, logovi, PR, komentari) i jasno definišete ulazne/izlazne podatke i kriterijume uspešnosti.
- Savladajte konfiguraciju alata i dozvola – naučite da identifikujete potrebne alate, konfigurišete njihova podešavanja i, što je najvažnije, definišete dozvole po principu „najmanjih privilegija” i kontekste izvršavanja kako biste sprečili neželjene ili blokirane radnje.
- Vežbajte konfigurisanje i korišćenje MCP servera – naučite da dodate MCP server kao alat, konfigurišete udaljeni GitHub MCP server, upravljate registrima i listama dozvoljenih stavki, kao i da potvrdite da agent koristi prave alate u pravom trenutku.
- Vežbajte pouzdano izvršavanje u realnim uslovima – uspostavite bezbedne procedure: rukovanje greškama, ponovne pokušaje, vraćanje na prethodno stanje (rollback), eskalaciju i sledljivost radnji agenta (odgovornost).
- Radite na upravljanju memorijom, stanjem i odstupanjem konteksta – vežbajte izbor između kratkoročne, dugoročne i spoljne memorije, ograničavanje pristupa relevantnim informacijama, pravila za istek/čišćenje/resetovanje podataka i nastavak rada bez odstupanja (kontinuitet putem artefakata).
- Naučite da procenite i podesite agenta – definišite pokazatelje za procenu (kvalitativne/kvantitativne), koristite skeniranja/artefakte za otkrivanje grešaka, a zatim prilagodite instrukcije, radne tokove/ograničenja, memoriju i pristup alatima.
- Vežbajte koordinaciju više agenata – testirajte izolaciju radi paralelnog izvršavanja, otkrivanje konflikata (izmene koda, duplikati, kontradiktornosti) i obrasce za oporavak (vraćanje na prethodno stanje uz uključivanje čoveka u proces).
Priprema u poslednjoj nedelji
- Položite 2-3 probna ispita kako biste identifikovali praznine u znanju i izgradili samopouzdanje
- Poslednji put pregledajte zvaničnu dokumentaciju GitHub-a
- Izbegavajte usvajanje novih koncepata – usredsredite se na utvrđivanje onoga što već znate
- Pripremite logistiku za dan ispita – put do ispitnog centra, potrebnu identifikaciju, vreme dolaska
Strategije za mentalnu pripremu
- Vizualizujte scenarije uspeha – zamislite sebe kako samouvereno odgovarate na pitanja
- Podseti se svog praktičnog iskustva – verovatno si već radio na razvoju koristeći GitHub
- Ostanite pozitivni tokom teških pitanja – svaki kandidat se suočava sa izazovnim scenarijima
- Zapamtite da je prosek 700/1000 – nije vam potreban savršenstvo, samo solidna kompetencija
Kako zakazati GH-600 ispit
- Zvanični provajder testiranja: Pearson VUE je ovlašćeni partner Microsoft-a za GH-600 ispit
- Proces zakazivanja: Kreirajte Pearson VUE nalog, pretražite “GH-600”, izaberite željeni test centar i datum
- Cena ispita: 99 USD (cena može varirati u zavisnosti od regiona i valute) – nije uključena u cenu obuke
- Vreme zakazivanja: Rezervišite termin najmanje 1–2 nedelje unapred za bolji izbor termina
- Politika promene termina: Besplatno premeštanje termina do 24 sata pre zakazanog ispita
- Potrebna identifikacija: Lični dokument sa fotografijom izdat od strane države (pasoš, vozačka dozvola) koji tačno odgovara imenu sa registracije
Success mindset: Posmatrajte GH-600 kao potvrdu svoje sposobnosti za upravljanje i nadzor nad AI agentima u okviru procesa razvoja softvera (SDLC) u realnim uslovima, a ne kao test poznavanja činjenica napamet. Vaš najveći adut je praktično iskustvo sa GitHub-om kao centralnim sistemom: integracija agenata u radne tokove (repozitorijum/grana/PR/CI), pravilno konfigurisanje alata i dozvola, kreiranje artefakata pogodnih za proveru i zadržavanje kontrole nad njihovom autonomijom.
Najčešća postavljena pitanja
Šta ću naučiti na ovoj obuci?
Naučićete da dizajnirate, integrišete, nadgledate i upravljate AI agentima u okviru SDLC radnih tokova u produkcionom okruženju, koristeći GitHub kao referentni sistem i kontrolnu ravan. Obuka obuhvata arhitekturu agenata, upotrebu alata i interakciju sa okruženjem (uključujući MCP), upravljanje memorijom, stanjem i izvršavanjem, evaluaciju i fino podešavanje, koordinaciju više agenata, kao i zaštitne mehanizme i odgovornost.
Da li je ova obuka pogodna za početnike?
Kurs je pogodniji za korisnike koji već imaju čvrstu osnovu u razvoju softvera i poznaju GitHub (repozitorijume, grane, „pull“ zahteve, radne tokove). Ako ste početnik, preporučujemo da prvo utvrdite osnove rada sa Git-om/GitHub-om i procesom razvoja softvera (SDLC), a zatim se vratite na GH-600 kako biste izvukli maksimum iz laboratorijskih vežbi i scenarija.
Koji alati i okruženja su obuhvaćeni obukom?
Obuka je usmerena na rad sa agentima u savremenim razvojnim okruženjima – poput GitHub-a (repozitorijumi, grane, pull zahtevi, CI) – kao i na integraciju agenata i alata, uključujući konfiguraciju MCP servera. Cilj je sticanje veština za odabir i konfiguraciju alata, upravljanje dozvolama, kreiranje artefakata pogodnih za reviziju i izvršavanje radnji na kontrolisan način.
Da li vas obuka priprema za GH-600 sertifikaciju?
Da. Sadržaj je usklađen sa oblastima koje se ocenjuju na ispitu GH-600: arhitektura i SDLC, korišćenje alata i interakcija sa okruženjem, memorija/stanje/izvršavanje, evaluacija i podešavanje, orkestracija više agenata, zaštitni mehanizmi (guardrails) i odgovornost. Radimo na praktičnim scenarijima kako bismo vas pripremili za format ispita i ono što se od vas očekuje.
Da li programeri mogu imati koristi od ovog kursa?
Apsolutno. GH-600 je posebno koristan za programere koji žele da koriste agente kako bi ubrzali isporuku (analizu, izgradnju, refaktorisanje, testiranje, dokumentaciju), uz istovremeno zadržavanje kontrole nad kvalitetom: granicama između planiranja i izvršenja, pregledom, vidljivošću sistema (observability) i praksama upravljanja.
Koji su preduslovi preporučeni za uspeh?
Preporučujemo: iskustvo u razvoju softvera, veštinu rada sa GitHub-om i poznavanje životnog ciklusa razvoja softvera (SDLC), spretnost u radu sa komandnom linijom, kao i poznavanje DevOps-a (CI/CD) i osnovnih principa bezbednosti i upravljanja (princip najmanjih privilegija, upravljanje tajnama, usklađenost sa propisima). Iskustvo sa agentima (Copilot, prilagođeni agenti) predstavlja prednost, ali se može steći i tokom obuke.
Da li obuka obuhvata GitHub Advanced Security (GHAS) i CodeQL?
GH-600 nije kurs fokusiran na GHAS/CodeQL. On obuhvata razvoj i rad agentskih AI sistema u okviru GitHub radnih tokova, uključujući nadzor, evaluaciju, sledljivost i zaštitne mehanizme. Ako je vaš primarni fokus GHAS/CodeQL, prikladniji bi bio kurs posvećen GitHub Advanced Security-ju.
Koliko vremena treba da odvojim za pripremu za ispit?
Većina kandidata planira period od 4 do 8 nedelja, u zavisnosti od iskustva sa GitHub-om i SDLC-om, kao i od vremena koje posvećuju vežbanju. Ključno je vežbati kompletne scenarije (planiranje → akcija → artefakti → pregled) i uvežbavati dijagnostikovanje i ispravljanje grešaka (alati, kontekst, okruženje, koordinacija).