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 prompting para la explicación y recorridos por el código.
- Trabajo con bases de código y proyectos desconocidos.
- Análisis del flujo de control, dependencias y arquitectura.
Refactorización del código para la mantenibilidad
- Identificación de code smells, código muerto y anti-patrones.
- Estructuración de funciones y módulos para mayor claridad.
- Uso de LLM para sugerir convenciones de nombres 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 a bases de datos y llamadas a API.
Automatización de la documentación del código
- Generación de comentarios y resúmenes a nivel de funciones/métodos.
- Redacción y actualización de archivos README a partir de bases de código.
- Creación de documentos Swagger/OpenAPI con apoyo de LLM.
Integración con herramientas (Toolchains)
- Uso de extensiones de VS Code y Copilot Labs para la documentación.
- Incorporación de GPT o Claude en pre-commit hooks de Git.
- Integración en pipelines de CI para documentación y linting.
Trabajo con bases de código legacy y multinúcleo (multi-language)
- Reingeniería de sistemas antiguos o sin documentación.
- Refactorización cruzada entre lenguajes (por ejemplo, de Python a TypeScript).
- Casos de estudio y demostraciones de programación en par con IA.
Ética, control de calidad y revisión
- Validación de cambios generados por IA y prevención de alucinaciones.
- Mejores prácticas para la revisión entre pares al usar 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.
- Familiaridad con la arquitectura de software y los procesos de revisión de código.
- Comprensión básica del funcionamiento de los modelos de lenguaje grandes.
Audiencia objetivo
- Ingenieros backend.
- Equipos 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