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.
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 mejorar la mantenibilidad
- Identificación olores de 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 fiabilidad
- 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 de base de datos y llamadas a API.
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de función o método.
- Redacción y actualización de archivos README a partir de bases de código.
- Creación de documentación Swagger/OpenAPI con soporte de LLM.
Integración con cadenas de herramientas
- Uso de extensiones de VS Code y Copilot Labs para la documentación.
- Incorporación de GPT o Claude en ganchos pre-commit de Git.
- Integración en pipelines CI para documentación y validación (linting).
Trabajo con bases de código heredadas y multilingües
- Ingeniería inversa de sistemas antiguos o sin documentar.
- Refactorización entre lenguajes (por ejemplo, de Python a TypeScript).
- Estudios de caso y demostraciones de programación con IA colaborativa.
Ética, aseguramiento de la calidad y revisión
- Validación de cambios generados por IA y prevención de alucinaciones.
- Mejores prácticas de revisión entre pares al utilizar LLM.
- Asegurar la reproducibilidad y el cumplimiento de las normas 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 del funcionamiento de los modelos de lenguaje grandes.
Público objetivo
- Ingenieros backend.
- Equipos de DevOps.
- Desarrolladores senior y líderes técnicos.
14 Horas
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