Temario del curso
Mejores Prácticas y Herramientas
Errores Comunes y Estrategias de Mitigación
Introducción a la Ingeniería de Prompts
Refinamiento de Prompts y Diseño Iterativo
Uso de Prompts para Automatización de Pruebas y Generación de SQL
Resumen y Siguientes Pasos
Uso de Prompts para Explicación y Depuración de Código
Redacción de Prompts para Generación de Código
- Evitar la generación de código alucinatorio o vulnerabilidades de seguridad
- Manejo de entradas incompletas o ambiguas
- Creación de prompts de respaldo seguros y controles de protección (guardrails)
- Creación de casos de prueba a partir de requisitos o código
- Generación de consultas SQL estructuradas a partir de lenguaje natural
- Formateo de salidas para su integración en conjuntos de pruebas
- Explicación de código legado o poco familiar
- Prompts para revisión lógica o análisis de casos límite (edge cases)
- Detección y explicación de errores o ineficiencias
- Generación de código a partir de descripciones en lenguaje natural
- Control del formato de salida y del lenguaje de programación
- Trabajo con lógica compleja o múltiples funciones
- Mejora de resultados mediante el encadenamiento de prompts y bucles de retroalimentación
- Estrategias de recuperación de errores y ajuste fino de prompts
- Estudios de caso sobre refinamiento para tareas técnicas
- Bibliotecas de prompts y patrones de reutilización
- Uso de plantillas de prompts en VS Code o flujos de trabajo basados en API
- Evaluación de la calidad y el rendimiento de los prompts en uso productivo
- Comprensión de prompts, contexto, tokens y modelos
- Tipos de prompts: zero-shot, one-shot, few-shot
- Uso de instrucciones del sistema frente a instrucciones del usuario en diferentes APIs
Requerimientos
Audiencia Objetivo
- Desarrolladores que utilizan LLM en generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo
- Profesionales del software experimentando con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Familiaridad con lenguajes de programación comunes (por ejemplo, Python, JavaScript, SQL)
- Comprensión básica de modelos de lenguaje grande y herramientas de IA como ChatGPT, Claude o Copilot
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