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 del código con LLMs
- Estrategias de prompting para la explicación y revisión del código.
- Trabajo con bases de código y proyectos no familiares.
- Análisis del flujo de control, dependencias y arquitectura.
Refactorización de código para la mantenibilidad
- Identificación de olores a código (code smells), 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 del rendimiento y la confiabilidad
- Detección de ineficiencias y riesgos de seguridad con ayuda de IA.
- Sugerencia de algoritmos o bibliotecas más eficientes.
- Refactorización de operaciones de E/S, consultas a bases 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 la documentación.
- Incorporación de GPT o Claude en hooks de pre-commit de Git.
- Integración en pipelines de CI para documentación y linting.
Trabajo con bases de código legadas y multilenguaje
- Ingeniería inversa de sistemas antiguos o sin documentación.
- Refactorización entre lenguajes (p. ej., de Python a TypeScript).
- Estudios de casos y demostraciones de programación en pareja con IA.
Ética, garantía de calidad y revisión
- Validación de cambios generados por IA y evitar alucinaciones.
- Mejores prácticas de revisión entre pares al usar LLMs.
- Asegurar la reproducibilidad y el cumplimiento con estándares de codificación.
Resumen y próximos pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript.
- Conocimiento de la arquitectura de software y los procesos de revisión de código.
- Comprensión básica de cómo funcionan los modelos de lenguaje grandes.
Público objetivo
- Ingenieros backend.
- Equipos DevOps.
- Desarrolladores seniors 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
