Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
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
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