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
Uso de Prompts para la Automatización de Pruebas y Generación de SQL
Resumen y Próximos Pasos
Uso de Prompts para la Explicación y Depuración de Código
Redacción de Prompts para la Generación de Código
- Evitar código alucinado o vulnerabilidades de seguridad
- Manejar entradas incompletas o ambiguas
- Crear prompts de respaldo seguros y establecer medidas de protección
- Generar casos de prueba a partir de requisitos o código
- Generar consultas SQL estructuradas a partir de lenguaje natural
- Formatear salidas para su integración en suites de pruebas
- Explicar código heredado o poco familiar
- Solicitar análisis de lógica detallada o de casos límite
- Identificar y explicar errores o ineficiencias
- Generar código a partir de descripciones en lenguaje sencillo
- Controlar el formato de salida y el lenguaje de programación
- Trabajar con lógica compleja o múltiples funciones
- Mejorar resultados mediante la concatenación de prompts y ciclos de retroalimentación
- Estrategias de recuperación de errores y ajuste de prompts
- Estudios de caso sobre 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
- Evaluar la calidad y el rendimiento de los prompts en entornos de producción
- Comprender prompts, contexto, tokens y modelos
- Tipos de prompts: zero-shot, one-shot, few-shot
- Uso de instrucciones del sistema frente a instrucciones del usuario en diferentes APIs
Requerimientos
Público Objetivo
- Desarrolladores que utilizan LLMs en la generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo
- Profesionales del software que experimentan con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Conocimiento de lenguajes de programación comunes (por ejemplo, Python, JavaScript, SQL)
- Comprensión básica de los 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