Temario del curso
Nivel 1: La mazmorra del descubrimiento – Secretos de los requisitos
Misión: Utilizar modelos de lenguaje grandes (LLMs) como ChatGPT para extraer requisitos estructurados a partir de entradas vagas.
Actividades clave:
- Interpretar ideas de producto ambiguas o solicitudes de funciones
-
Utilizar IA para:
- Generar historias de usuario y criterios de aceptación
- Sugerir personas y escenarios
-
Generar artefactos visuales (por ejemplo, diagramas simples con Mermaid o draw.io)
Resultado: Backlog estructurado de historias de usuario + modelo del dominio / visualizaciones iniciales
Nivel 2: La fragua del diseño – Pergamino del arquitecto
Misión: Utilizar la IA para crear y validar planes de arquitectura.
Actividades clave:
-
Utilizar la IA para:
- Proponer estilos arquitectónicos (monolito, microservicios, serverless)
- Generar diagramas de componentes e interacciones a alto nivel
- Crear estructuras básicas de clases y módulos
-
Desafiar las elecciones mutuas mediante revisiones de diseño entre pares
Resultado: Arquitectura validada + esqueleto de código
Nivel 3: La arena del código – Desafío Codex
Misión: Utilizar copilotos de IA para implementar funciones y mejorar el código.
Actividades clave:
- Usar GitHub Copilot o ChatGPT para implementar la funcionalidad
-
Refactorizar el código generado por IA para:
- Rendimiento
- Seguridad
- Mantenibilidad
-
Inyectar "olores de código" (code smells) y realizar desafíos de limpieza entre pares
Resultado: Código funcional, refactorizado y generado por IA
Nivel 4: El pantano de errores – Probar la oscuridad
Misión: Generar y mejorar pruebas con IA, y luego encontrar errores en el código de otros.
Actividades clave:
-
Utilizar la IA para generar:
- Pruebas unitarias
- Pruebas de integración
- Simulaciones de casos límite
-
Intercambiar código con errores con otro equipo para depuración asistida por IA
Resultado: Suite de pruebas + informe de errores + correcciones de errores
Nivel 5: Los portales del pipeline – Puerta del automaton
Misión: Configurar pipelines de CI/CD inteligentes con asistencia de IA.
Actividades clave:
-
Utilizar la IA para:
- Definir flujos de trabajo (por ejemplo, GitHub Actions)
- Automatizar los pasos de construcción, prueba e implementación
-
Sugerir políticas de detección de anomalías y retroceso
Resultado: Script o flujo de CI/CD asistido por IA y funcional
Nivel 6: La citadela del monitoreo – Torre de vigía de los registros
Misión: Analizar registros y utilizar aprendizaje automático para detectar anomalías y simular la recuperación.
Actividades clave:
- Analizar registros pre-poblados o generados
-
Utilizar la IA para:
- Identificar anomalías o tendencias de errores
- Sugerir respuestas automatizadas (por ejemplo, scripts de autocuración, alertas)
-
Crear tableros o resúmenes visuales
Resultado: Plan de monitoreo o mecanismo simulado de alerta inteligente
Nivel Final: La arena del héroe – Construir el SDLC mejorado con IA definitivo
Misión: Los equipos aplican todo lo aprendido para construir un ciclo de SDLC funcional para un mini-proyecto.
Actividades clave:
- Seleccionar un mini-proyecto del equipo (por ejemplo, rastreador de errores, chatbot, microservicio)
-
Aplicar IA en cada fase del SDLC:
- Requisitos, Diseño, Código, Prueba, Implementación, Monitoreo
- Presentar los resultados en una breve demo del equipo
Votación entre pares o jurado para el pipeline potenciado por IA más efectivo
Resultado: Implementación de SDLC mejorada con IA de extremo a extremo + exhibición del equipo
Al final de este taller, los participantes podrán:
- Aplicar herramientas de IA generativa para extraer y estructurar requisitos de software
- Generar diagramas arquitectónicos y validar decisiones de diseño utilizando IA
- Utilizar copilotos de IA para implementar y refactorizar código de calidad de producción
- Automatizar la generación de pruebas y realizar depuración asistida por IA
- Diseñar pipelines inteligentes de CI/CD que detecten y reaccionen a anomalías
- Analizar registros con herramientas de IA / aprendizaje automático para identificar riesgos y simular autocuración
- Demostrar un SDLC completamente potenciado por IA a través de un mini-proyecto del equipo
Requerimientos
Audiencia: Desarrolladores de software, probadores, arquitectos, ingenieros DevOps y dueños de producto
Los participantes deben tener:
- Un conocimiento funcional del Ciclo de Vida del Desarrollo de Software (SDLC)
- Experiencia práctica en al menos un lenguaje de programación (por ejemplo, Python, Java, JavaScript, C#, etc.)
-
Familiaridad con:
- Escribir y leer historias de usuario o requisitos
- Principios básicos de diseño de software
- Control de versiones (por ejemplo, Git)
- Escribir y ejecutar pruebas unitarias
- Ejecutar o interpretar pipelines de CI/CD
Este es un taller de nivel intermedio a avanzado. Es ideal para profesionales que ya forman parte de equipos de entrega de software (desarrolladores, probadores, ingenieros DevOps, arquitectos y dueños de producto).
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
