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.
Duración 14 horas
Temario del curso
Comprensión del código con LLMs
- Estrategias de prompt engineering para la explicación y recorridos de código
- Trabajar con bases de código y proyectos desconocidos
- Analizar flujo de control, dependencias y arquitectura
Refactorización de código para su mantenibilidad
- Identificar code smells, código muerto y antipatrones
- Reestructurar funciones y módulos para mayor claridad
- Usar LLMs para sugerir convenciones de nomenclatura y mejoras de diseño
Mejora del rendimiento y la confiabilidad
- Detectar ineficiencias y riesgos de seguridad con asistencia de IA
- Sugerir algoritmos o librerías más eficientes
- Refactorizar operaciones de E/S, consultas a bases de datos y llamadas a APIs
Automatización de la documentación de código
- Generar comentarios y resúmenes a nivel de función/método
- Redactar y actualizar archivos README a partir de las bases de código
- Crear documentación Swagger/OpenAPI con apoyo de LLMs
Integración con cadenas de herramientas
- Usar extensiones de VS Code y Copilot Labs para la documentación
- Incorporar GPT o Claude en ganchos de pre-commit de Git
- Integración de pipelines de CI para documentación y linting
Trabajo con bases de código legacy y multilenguaje
- Ingeniería inversa de sistemas antiguos o sin documentación
- Refactorización cruzada de lenguajes (p. ej., de Python a TypeScript)
- Estudios de caso y demostraciones de programación en pareja con IA
Ética, garantía de calidad y revisión
- Validar los cambios generados por IA y evitar alucinaciones
- Mejores prácticas de revisión por pares al usar LLMs
- Asegurar la reproducibilidad y el cumplimiento de 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 de cómo funcionan los modelos de lenguaje de gran escala
Audiencia
- Ingenieros de backend
- Equipos de DevOps
- Desarrolladores senior y líderes técnicos
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