Contacta con nosotros

Temario del curso

Comprensión del código con LLMs

  • Estrategias de prompts para la explicación y recorrido por el código.
  • Trabajo con bases de código y proyectos desconocidos.
  • Análisis del flujo de control, dependencias y arquitectura.

Refactorización del código para su mantenimiento

  • Identificación de olores de código, código muerto y antipatrones.
  • Reestructuración de funciones y módulos para mayor claridad.
  • Uso de LLMs para sugerir convenciones de nombramiento y mejoras de diseño.

Mejora del 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 del código

  • Generación de comentarios y resúmenes a nivel de función/método.
  • Redacción y actualización de archivos README a partir de bases de código.
  • Creación de documentos Swagger/OpenAPI con soporte de LLMs.

Integración con cadenas de herramientas

  • Uso de extensiones de VS Code y Copilot Labs para documentación.
  • Incorporación de GPT o Claude en los pre-commit hooks de Git.
  • Integración en pipelines CI para documentación y verificación de estilo (linting).

Trabajo con bases de código legadas y multi-lenguaje

  • Ingeniería inversa de sistemas antiguos o sin documentar.
  • Refactorización entre lenguajes (por ejemplo, de Python a TypeScript).
  • Estudios de caso y demostraciones de programación en parejas con IA.

Ética, garantía de calidad y revisión

  • Validación de los cambios generados por la IA y evitar alucinaciones.
  • Mejores prácticas de revisión por pares al utilizar LLMs.
  • Asegurar la reproducibilidad y el cumplimiento de las normas 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 del funcionamiento de los modelos de lenguaje grandes.

Público objetivo

  • Ingenieros backend.
  • Equipos de DevOps.
  • Desarrolladores senior y líderes técnicos.
 14 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas