Contacta con nosotros

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

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas