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 prompt para explicar y recorrer el código.
- Trabajo con bases de código y proyectos desconocidos.
- Análisis del flujo de control, dependencias y arquitectura.
Refactorización del código para mejorar su mantenibilidad
- Identificación de code smells, código muerto y antipatrones.
- Reestructuración de funciones y módulos para mayor claridad.
- Uso de LLMs para sugerir convenciones de nomenclatura y mejoras de diseño.
Mejora del rendimiento y la confiabilidad
- 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 APIs.
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de función o método.
- Creación y actualización de archivos README a partir de bases de código.
- Generación de documentación Swagger/OpenAPI con soporte de LLM.
Integración con herramientas y cadenas de desarrollo
- Uso de extensiones de VS Code y Copilot Labs para documentación.
- Incorporación de GPT o Claude en los hooks pre-commit de Git.
- Integración en pipelines de CI para documentación y linting.
Trabajo con bases de código heredadas y multi-lenguaje
- Ingeniería inversa de sistemas antiguos o sin documentación.
- Refactorización entre lenguajes (por ejemplo, de Python a TypeScript).
- Estudios de caso y demostraciones de programación colaborativa con IA.
Ética, aseguramiento de calidad y revisión
- Validación de cambios generados por IA y prevención de alucinaciones.
- Mejores prácticas en revisiones entre pares al utilizar LLMs.
- Garantía de reproducibilidad y 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 procesos de revisión de código.
- Comprensión básica del funcionamiento de los modelos de lenguaje grandes.
Público objetivo
- Ingenieros de backend.
- Equipos de DevOps.
- Desarrolladores senior 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