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
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