Temario del curso
Nivel 1: La mazmorra del descubrimiento – Secretos de los requisitos
Misión: Utilizar modelos de lenguaje grandes (LLM, como ChatGPT) para extraer requisitos estructurados a partir de entradas vagas.
Actividades clave:
- Interpretar ideas de producto ambiguas o solicitudes de funciones
-
Utilizar IA para:
- Generar historias de usuario y criterios de aceptación
- Sugerir personas y escenarios
-
Generar artefactos visuales (por ejemplo, diagramas simples con Mermaid o draw.io)
Resultado: Backlog estructurado de historias de usuario + modelo inicial del dominio / visuales
Nivel 2: La forja del diseño – Pergamino del arquitecto
Misión: Utilizar IA para crear y validar planes de arquitectura.
Actividades clave:
-
Utilizar IA para:
- Proponer un estilo arquitectónico (monolito, microservicios, serverless)
- Generar diagramas de componentes e interacciones de alto nivel
- Esqueletizar estructuras de clases / módulos
-
Cuestionar mutuamente las elecciones a través de revisiones de diseño por pares
Resultado: Arquitectura validada + esqueleto de código
Nivel 3: La arena de codificación – El desafío del Códice
Misión: Utilizar copilotos de IA para implementar funciones y mejorar el código.
Actividades clave:
- Utilizar GitHub Copilot o ChatGPT para implementar funcionalidad
-
Refactorizar el código generado por IA para:
- Rendimiento
- Seguridad
- Mantenibilidad
-
Inyectar "olores de código" (code smells) y realizar desafíos de limpieza por pares
Resultado: Base de código funcional, refactorizada y generada por IA
Nivel 4: El pantano de errores – Prueba las tinieblas
Misión: Generar y mejorar pruebas con IA, luego encontrar errores en el código de otros.
Actividades clave:
-
Utilizar IA para generar:
- Pruebas unitarias
- Pruebas de integración
- Simulaciones de casos extremos (edge cases)
-
Intercambiar código con errores con otro equipo para la depuración asistida por IA
Resultado: Suite de pruebas + informe de errores + correcciones de errores
Nivel 5: Los portales del pipeline – Puerta automatizada
Misión: Configurar pipelines inteligentes de CI/CD con asistencia de IA.
Actividades clave:
-
Utilizar IA para:
- Definir flujos de trabajo (por ejemplo, GitHub Actions)
- Automatizar pasos de compilación, prueba e implementación
-
Sugerir políticas de detección de anomalías / reversión (rollback)
Resultado: Script o flujo de CI/CD funcional y asistido por IA
Nivel 6: La ciudadela del monitoreo – Torre de vigilancia de registros
Misión: Analizar registros y utilizar ML para detectar anomalías y simular la recuperación.
Actividades clave:
- Analizar registros pre-poblados o generados
-
Utilizar IA para:
- Identificar anomalías o tendencias de errores
- Sugerir respuestas automatizadas (por ejemplo, scripts de autocuración, alertas)
-
Crear paneles o resúmenes visuales
Resultado: Plan de monitoreo o mecanismo de alerta inteligente simulado
Nivel Final: La arena del héroe – Construye el SDLC perfecto apoyado por IA
Misión: Los equipos aplican todo lo aprendido para construir un bucle de SDLC funcional para un mini-proyecto.
Actividades clave:
- Seleccionar un mini-proyecto para el equipo (por ejemplo, rastreador de errores, chatbot, microservicio)
-
Aplicar IA en cada fase del SDLC:
- Requisitos, Diseño, Código, Prueba, Implementación, Monitoreo
- Presentar los resultados en una breve demostración del equipo
Votación o juzgamiento por pares para la pipeline con IA más efectiva
Resultado: Implementación de SDLC mejorado con IA extremo a extremo + exhibición del equipo
Al finalizar este taller, los participantes podrán:
- Aplicar herramientas de IA generativa para extraer y estructurar requisitos de software
- Generar diagramas arquitectónicos y validar elecciones de diseño utilizando IA
- Utilizar copilotos de IA para implementar y refactorizar código de nivel de producción
- Automatizar la generación de pruebas y realizar depuración asistida por IA
- Diseñar pipelines inteligentes de CI/CD que detecten y reaccionen ante anomalías
- Analizar registros con herramientas de IA/ML para identificar riesgos y simular autocuración
- Demostrar un SDLC completamente potenciado por IA a través de un mini-proyecto del equipo
Requerimientos
Público objetivo: Desarrolladores de software, testers, arquitectos, ingenieros de DevOps y propietarios de producto.
Los participantes deben tener:
- Una comprensión operativa del ciclo de vida del desarrollo de software (SDLC)
- Experiencia práctica en al menos un lenguaje de programación (por ejemplo, Python, Java, JavaScript, C#, etc.)
-
Familiaridad con:
- Redacción y lectura de historias de usuario o requisitos
- Principios básicos de diseño de software
- Control de versiones (por ejemplo, Git)
- Redacción y ejecución de pruebas unitarias
- Ejecución o interpretación de pipelines de CI/CD
Este es un taller de nivel intermedio a avanzado. Es ideal para profesionales que ya forman parte de equipos de entrega de software (desarrolladores, testers, ingenieros de DevOps, arquitectos y propietarios de producto).
Testimonios (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática
