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.
Temario del curso
Comprensión del código con LLMs
- Estrategias de prompts para la explicación y recorrido del código
- Trabajo con bases de código y proyectos desconocidos
- Análisis del flujo de control, dependencias y arquitectura
Refactorización del código para la mantenibilidad
- Identificación de olores a código, código muerto y antipatrones
- Reestructuración de funciones y módulos para mayor claridad
- Uso de LLMs para sugerir convenciones de nomenclatura y mejoras de diseño
Mejora del 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 a bases de datos y llamadas a API
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de función/método
- Escritura y actualización de archivos README a partir de bases de código
- Creación de documentación Swagger/OpenAPI con soporte de LLM
Integración con herramientas del ecosistema (toolchains)
- Uso de extensiones de VS Code y Copilot Labs para documentación
- Incorporación de GPT o Claude en ganchos pre-commit de Git
- Integración con pipelines de CI para documentación y verificación de estilo (linting)
Trabajo con bases de código legadas y multilenguaje
- Ingeniería inversa de sistemas antiguos o sin documentar
- Refactorización entre lenguajes (por ejemplo, de Python a TypeScript)
- Estudios de caso y demostraciones de programación con IA colaborativa
Ética, aseguramiento de la calidad y revisión
- Validación de cambios generados por IA y prevención de alucinaciones
- Mejores prácticas de revisión entre pares al utilizar LLMs
- Garantía de reproducibilidad y cumplimiento con estándares de codificación
Resumen y próximos pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript
- Familiaridad con arquitectura de software y procesos de revisión de código
- Comprensión básica de cómo funcionan los modelos de lenguaje grandes
Público objetivo
- Ingenieros backend
- Equipos de DevOps
- Desarrolladores seniors y líderes técnicos
14 Horas
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