Contacta con nosotros

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

Elaboración de Prompts para Automatización de Pruebas y Generación de SQL

Resumen y Próximos Pasos

Uso de Prompts para la Explicación de Código y la Depuración

Redacción de Prompts para la Generación de Código

  • Evitar la generación de código alucinado o vulnerabilidades de seguridad
  • Manejar entradas incompletas o ambiguas
  • Crear prompts de respaldo seguros y mecanismos de protección (guardrails)
  • Crear casos de prueba a partir de requisitos o código
  • Generar consultas SQL estructuradas a partir de lenguaje natural
  • Formatear las salidas para su integración en suites de pruebas
  • Explicar código legado o desconocido
  • Elaborar prompts para recorridos lógicos o análisis de casos extremos
  • Encontrar y explicar errores de programación o ineficiencias
  • Generar código a partir de descripciones en lenguaje natural
  • Controlar el formato de salida y el lenguaje de programación
  • Trabajar con lógica compleja o múltiples funciones
  • Mejorar los resultados mediante la encadenación de prompts y bucles de retroalimentación
  • Estrategias de recuperación de errores y ajuste de prompts
  • Estudios de caso sobre el 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 su uso productivo
  • Comprender prompts, contexto, tokens y modelos
  • Tipos de prompts: sin ejemplos (zero-shot), con un ejemplo (one-shot) y con pocos ejemplos (few-shot)
  • Uso de instrucciones del sistema versus instrucciones del usuario en diferentes APIs

Requerimientos

Audiencia Objetivo

  • Desarrolladores que utilizan modelos de lenguaje grandes (LLM) 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
  • Familiaridad con lenguajes de programación comunes (por ejemplo, Python, JavaScript, SQL)
  • Comprensión básica de los modelos de lenguaje grandes y herramientas de IA como ChatGPT, Claude o Copilot
 7 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas