Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción al Vibe Coding

  • Definición e historia del «vibe coding»
  • Filosofía de la colaboración «de prompt a código»
  • Cómo difiere el código con IA del desarrollo tradicional

Modelos de lenguaje de gran tamaño (LLM) en el código

  • Resumen de LLM para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral
  • Comparación de codificadores de IA de código abierto vs. propietarios
  • Desplegar LLM localmente o mediante APIs

Ingeniería de prompts para desarrolladores

  • Prompts efectivos para generar y refactorizar código
  • Gestión de contexto y manejo del estado de la conversación
  • Creación de plantillas de prompts reutilizables para tareas de codificación

Entornos prácticos de Vibe Coding

  • Uso de Replit para la codificación colaborativa con IA
  • Integración de GitHub Copilot y Qwen Coder en IDEs
  • Personalización de flujos de trabajo para la colaboración en equipo

Calidad y validación del código en flujos de IA

  • Revisión y prueba de código generado por LLM
  • Asegurar consistencia, mantenibilidad y seguridad
  • Integración de herramientas de validación de código en el flujo de trabajo

Integración empresarial y gobernanza

  • Escalar el «vibe coding» entre equipos
  • Gobernanza, ética y cumplimiento de la IA en la generación de código
  • Diseño de marcos organizacionales para el desarrollo asistido por IA

Temas avanzados: Extender el Vibe Coding

  • Combinar múltiples LLM para flujos de IA híbridos
  • Integrar el «vibe coding» con la automatización CI/CD
  • Tendencias futuras: ecosistemas de desarrollo multiagente

Proyecto en equipo y colaboración

  • Diseño de un proyecto de codificación asistido por IA en el mundo real
  • Colaboración con desarrolladores humanos y de IA
  • Presentación de resultados y medición de las ganancias de productividad

Resumen y próximos pasos

Requerimientos

  • Comprensión de los flujos de trabajo de desarrollo de software
  • Experiencia con Python, JavaScript u otro lenguaje de programación moderno
  • Conocimiento de sistemas de control de versiones basados en Git

Público objetivo

  • Ingenieros de software que exploran el desarrollo asistido por IA
  • Líderes de ingeniería que supervisan la adopción de IA en flujos de trabajo de código
  • Equipos de desarrollo empresarial que buscan integrar LLM en pipelines de producción

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas