Ponte en Contacto
 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.

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas