Temario del curso
Mejores prácticas y herramientas
Errores comunes y estrategias de mitigación
Introducción a la ingeniería de prompts
Refinamiento de prompts y diseño iterativo
Prompts para automatización de pruebas y generación de SQL
Resumen y próximos pasos
Uso de prompts para la explicación y depuración de código
Redacción de prompts para la generación de código
- Evitar código alucinado o vulnerabilidades de seguridad
- Manejo de entradas incompletas o ambiguas
- Creación de prompts de respaldo seguros y medidas de protección (guardrails)
- Creación de casos de prueba a partir de requisitos o código
- Generación de consultas SQL estructuradas a partir de lenguaje natural
- Formateo de salidas para su integración en suites de pruebas
- Explicación de código heredado o poco familiar
- Prompts para recorrido de lógica o análisis de casos límite
- Detección y explicación de errores o ineficiencias
- Generación de código a partir de descripciones en lenguaje llano
- Control del formato de salida y del lenguaje de programación
- Trabajo con lógica compleja o múltiples funciones
- Mejora de resultados mediante encadenamiento de prompts y bucles de retroalimentación
- Recuperación de errores y estrategias de ajuste de prompts
- Estudios de caso de refinamiento para tareas técnicas
- Bibliotecas de prompts y patrones de reutilización
- Uso de plantillas de prompts en VS Code o flujos de trabajo basados en API
- Evaluación de la calidad y el rendimiento de los prompts en uso productivo
- Comprensión de prompts, contexto, tokens y modelos
- Tipos de prompts: zero-shot, one-shot, few-shot
- Uso de instrucciones del sistema vs. instrucciones del usuario en diferentes APIs
Requerimientos
Público objetivo
- Desarrolladores que utilicen LLM en la generación o análisis de código
- Líderes técnicos que exploren herramientas de IA en sus flujos de trabajo
- Profesionales de software que experimenten con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Familiaridad con lenguajes de programación comunes (p. ej., Python, JavaScript, SQL)
- Comprensión básica de los modelos de lenguaje de gran escala (LLM) y herramientas de IA como ChatGPT, Claude o Copilot
Reseñas (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
