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 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
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