Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Comprensión de Código con LLMs
- Estrategias de prompt para la explicación y revisión de código.
- Trabajo con bases de código y proyectos desconocidos.
- Análisis del flujo de control, dependencias y arquitectura.
Refactorización de Código para Mantenibilidad
- Identificación de olores a código, código muerto y anti-patrones.
- Reestructuración de funciones y módulos para mayor claridad.
- Uso de LLMs para sugerir convenciones de nomenclatura y mejoras de diseño.
Mejora de Rendimiento y Confiabilidad
- Detección de ineficiencias y riesgos de seguridad con asistencia de IA.
- Sugerencia de algoritmos o bibliotecas más eficientes.
- Refactorización de operaciones de E/S, consultas de base de datos y llamadas a API.
Automatización de la Documentación de Código
- Generación de comentarios y resúmenes a nivel de función/método.
- Escritura y actualización de archivos README a partir de la base de código.
- Creación de documentación Swagger/OpenAPI con apoyo de LLMs.
Integración con Cadenas de Herramientas
- Uso de extensiones de VS Code y Copilot Labs para documentación.
- Incorporación de GPT o Claude en ganchos pre-commit de Git.
- Integración en pipelines de CI para documentación y lintering.
Trabajo con Bases de Código Heredadas y Multilingües
- Ingeniería inversa de sistemas antiguos o sin documentación.
- Refactorización entre lenguajes (p. ej., de Python a TypeScript).
- Estudios de caso y demostraciones de programación con IA en parejas.
Ética, Aseguramiento de Calidad y Revisión
- Validación de cambios generados por IA y evitación de alucinaciones.
- Mejores prácticas de revisión por pares al usar LLMs.
- Aseguramiento de la reproducibilidad y el cumplimiento de estándares de codificación.
Resumen y Próximos Pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript.
- Familiaridad con la arquitectura de software y los procesos de revisión de código.
- Comprensión básica de cómo funcionan los modelos de lenguaje de gran escala.
Público Objetivo
- Ingenieros de backend.
- Equipos de DevOps.
- Desarrolladores senior y líderes técnicos.
Reseñas (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