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 LLM
- Estrategias de indicación (prompting) para la explicación y recorrido del código
- Trabajo con bases de código y proyectos desconocidos
- Análisis del flujo de control, dependencias y arquitectura
Refactorización del código para su mantenibilidad
- Identificación de olores a código, código muerto y antipatrones
- Reestructuración de funciones y módulos para mayor claridad
- Uso de LLM 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 de base de datos y llamadas a APIs
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de función/método
- Redacción y actualización de archivos README a partir de las bases de código
- Creación de documentación Swagger/OpenAPI con el apoyo de LLM
Integración con las cadenas de herramientas
- Uso de extensiones de VS Code y Copilot Labs para documentación
- Incorporación de GPT o Claude en ganchos de pre-compromiso (pre-commit hooks) de Git
- Integración en tuberías CI para documentación y análisis estático (linting)
Trabajo con bases de código heredadas y multilingües
- Ingeniería inversa de sistemas antiguos o sin documentación
- Refactorización interlenguajes (por ejemplo, de Python a TypeScript)
- Estudios de caso y demostraciones de programación en pareja con IA
Ética, garantía de calidad y revisión
- Validación de los cambios generados por IA y evitación de alucinaciones
- Prácticas recomendadas de revisión entre pares al utilizar LLM
- Aseguramiento de la reproducibilidad y el cumplimiento de los 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 los procesos de revisión de código
- Comprensión básica de cómo funcionan los modelos de lenguaje de gran escala
Público Objetivo
- Ingenieros de backend
- Equipos DevOps
- Desarrolladores sénior 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