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 del código con LLMs
- Estrategias de prompting para explicación y análisis de código
- Trabajo con bases de código y proyectos poco familiares
- Análisis del flujo de control, dependencias y arquitectura
Refactorización del código para su mantenibilidad
- Identificación de olores a código (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 la ayuda de la IA
- Sugerencia de algoritmos o bibliotecas más eficientes
- Refactorización de operaciones de E/S, consultas a bases de datos y llamadas a API
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de función/método
- Escritura y actualización de archivos README a partir de bases de código
- Creación de documentación Swagger/OpenAPI con apoyo de LLMs
Integración con cadenas de herramientas
- Uso de extensiones de VS Code y Copilot Labs para documentación
- Incorporación de GPT o Claude en hooks de pre-commit de Git
- Integración en pipelines de CI para documentación y linting
Trabajo con bases de código heredadas y multilingües
- Ingeniería inversa de sistemas antiguos o sin documentación
- Refactorización interlingüística (p. ej., de Python a TypeScript)
- Estudios de casos y demostraciones de programación en pareja con IA
Ética, aseguramiento de la calidad y revisión
- Validación de cambios generados por IA y evitar alucinaciones
- Mejores prácticas de revisión entre pares al utilizar LLMs
- Asegurar la reproducibilidad y el cumplimiento de estándares de codificación
Resumen y próximos pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript
- Conocimiento de la arquitectura de software y procesos de revisión de código
- Comprensión básica de cómo funcionan los modelos de lenguaje de gran tamaño
Audiencia
- Ingenieros de backend
- Equipos DevOps
- Desarrolladores seniors y líderes técnicos
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