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 de código con LLMs
- Estrategias de prompting para la explicación y recorrido del código
- Trabajo con bases de código y proyectos no familiares
- Análisis del flujo de control, dependencias y arquitectura
Refactorización de código para su mantenibilidad
- Identificación de olores de código, código muerto y anti-patrones
- 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 base de datos y llamadas a API
Automatización de la documentación de código
- Generación de comentarios y resúmenes a nivel de función/método
- Redacción y actualización de archivos README desde las bases de código
- Creación de documentación Swagger/OpenAPI con soporte de LLMs
Integración con cadenas de herramientas
- Uso de extensiones de VS Code y Copilot Labs para la documentación
- Incorporación de GPT o Claude en ganchos de pre-commite de Git
- Integración de la tubería de CI para documentación y análisis estático (linting)
Trabajo con bases de código legacy y multilingües
- Ingeniería inversa de sistemas antiguos o sin documentar
- Refactorización entre lenguajes (p. ej., de Python a TypeScript)
- Estudios de casos y demostraciones de programación en pareja con IA
Ética, garantía de calidad y revisión
- Validación de cambios generados por IA y evitación de alucinaciones
- Mejores prácticas de revisión por pares al usar LLMs
- Aseguramiento de la reproducibilidad y el cumplimiento de los estándares de codificación
Resumen y siguientes pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript
- Conocimiento de la arquitectura de software y los procesos de revisión de código
- Comprensión básica de cómo funcionan los modelos de lenguaje grandes
Público
- Ingenieros de backend
- Equipos DevOps
- Desarrolladores senior y líderes tecnológicos
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
