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 Siguientes Pasos
Uso de Prompts para Explicación y Depuración de Código
Escritura de Prompts para Generación de Código
- Evitar código alucinado o vulnerabilidades de seguridad
- Manejar entradas incompletas o ambiguas
- Crear prompts de respaldo seguros y barreras de protección
- Creación de casos de prueba a partir de requisitos o código
- Generación de consultas SQL estructuradas desde lenguaje natural
- Formato de salidas para integración en suites de pruebas
- Explicar código heredado o desconocido
- Prompts para recorridos lógicos o análisis de casos extremos
- Identificar y explicar errores o ineficiencias
- Generar código a partir de descripciones en lenguaje natural
- Controlar el formato de salida y el lenguaje de programación
- Trabajar con lógica compleja o múltiples funciones
- Mejorar resultados mediante encadenamiento de prompts y bucles de retroalimentación
- Estrategias de recuperación de errores y ajuste de prompts
- Estudios de caso en 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: sin ejemplos (zero-shot), con un ejemplo (one-shot), con pocos ejemplos (few-shot)
- Uso de instrucciones del sistema frente a instrucciones del usuario en diferentes APIs
Requerimientos
Público Objetivo
- Desarrolladores que utilizan LLMs en generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo
- Profesionales del software experimentando con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Familiaridad con lenguajes de programación comunes (por ejemplo, Python, JavaScript, SQL)
- Comprensión básica de modelos de lenguaje grande y herramientas de IA como ChatGPT, Claude o Copilot
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