Contacta con nosotros

Temario del curso

Comprensión del código con LLMs

  • Estrategias de indicación (prompting) para la explicación y recorrido del código.
  • Trabajo con bases de código y proyectos desconocidos.
  • Análisis del flujo de control, dependencias y arquitectura.

Refactorización del código para la mantenibilidad

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

Mejora del rendimiento y la fiabilidad

  • 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 a bases 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 documentación Swagger/OpenAPI con soporte de LLMs.

Integración con herramientas (toolchains)

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

Trabajo con bases de código legadas y multilingües

  • Ingeniería inversa de sistemas antiguos o no documentados.
  • Refactorización entre lenguajes (por ejemplo, de Python a TypeScript).
  • Casos de estudio y demostraciones de programación en pareja con IA.

Ética, aseguramiento de la calidad y revisión

  • Validación de cambios generados por IA y evitación de alucinaciones.
  • Mejores prácticas de revisión entre pares al utilizar LLMs.
  • Aseguramiento de la reproducibilidad y el cumplimiento de los estándares 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 DevOps.
  • Desarrolladores seniors y líderes técnicos.
 14 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas