Contacta con nosotros

Temario del curso

Introducción al Vibe Coding

  • Definición e historia del vibe coding
  • Filosofía de la colaboración "prompt-to-code" (de instrucción a código)
  • Cómo difiere la codificación con IA del desarrollo tradicional

Modelos de Lenguaje Grandes en la Codificación

  • Visión general de los LLMs para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral
  • Comparación de codificadores con IA de código abierto frente a propietarios
  • Despliegue de LLMs localmente o mediante APIs

Ingeniería de Prompts para Desarrolladores

  • Uso efectivo de prompts para generar y refactorizar código
  • Gestión del contexto y manejo del estado de la conversación
  • Creación de plantillas de prompts reutilizables para tareas de codificación

Entornos Prácticos de Vibe Coding

  • Uso de Replit para la codificación colaborativa con IA
  • Integración de GitHub Copilot y Qwen Coder en IDEs
  • Personalización de flujos de trabajo para la colaboración en equipos

Calidad del Código y Validación en Flujos de Trabajo con IA

  • Revisión y prueba del código generado por LLMs
  • Garantizar consistencia, mantenibilidad y seguridad
  • Integración de herramientas de validación de código en el flujo de trabajo

Integración Empresarial y Gobernanza

  • Escalamiento del vibe coding a través de equipos
  • Gobernanza, ética y cumplimiento de la IA en la generación de código
  • Diseño de marcos organizacionales para el desarrollo asistido por IA

Temas Avanzados: Extensión del Vibe Coding

  • Combinación de múltiples LLMs para flujos de trabajo híbridos con IA
  • Integración del vibe coding con automatización CI/CD
  • Tendencias futuras: ecosistemas de desarrollo multiagente

Proyecto en Equipo y Colaboración

  • Diseño de un proyecto real de codificación asistida por IA
  • Colaboración con desarrolladores humanos y con IA
  • Presentación de resultados y medición de las ganancias de productividad

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los flujos de trabajo de desarrollo de software
  • Experiencia con Python, JavaScript u otro lenguaje de programación moderno
  • Familiaridad con sistemas de control de versiones basados en Git

Audiencia Objetivo

  • Ingenieros de software que exploran el desarrollo asistido por IA
  • Líderes de ingeniería que supervisan la adopción de IA en flujos de trabajo de codificación
  • Equipos de desarrollo empresarial que buscan integrar LLMs en pipelines de producción
 21 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas