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 7 horas
Temario del curso
Mejores prácticas y herramientas
Piedras tropiezo comunes y estrategias de mitigación
Introducción a la ingeniería de prompts
Refinamiento de prompts y diseño iterativo
Prompts para automatización de pruebas y generación de SQL
Resumen y próximos pasos
Uso de prompts para la explicación y depuración de código
Redacción de prompts para la generación de código
- Evitar código alucinado o vulnerabilidades de seguridad
- Manejar entradas incompletas o ambiguas
- Crear prompts de respaldo seguros y barreras de protección (guardrails)
- Crear casos de prueba a partir de requisitos o código
- Generar consultas SQL estructuradas a partir de lenguaje natural
- Formatear salidas para su integración en suites de pruebas
- Explicar código heredado o poco familiar
- Usar prompts para recorridos de lógica o análisis de casos límite
- Encontrar y explicar errores o ineficiencias
- Generar código a partir de descripciones en lenguaje llano
- Controlar el formato de salida y el lenguaje de programación
- Trabajar con lógica compleja o múltiples funciones
- Mejorar los resultados mediante encadenamiento de prompts y bucles de retroalimentación
- Recuperación de errores y estrategias de ajuste de prompts
- Estudios de caso sobre 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
- Evaluación de la calidad y el rendimiento de los prompts en uso de producción
- Comprensión de prompts, contexto, tokens y modelos
- Tipos de prompts: zero-shot, one-shot, few-shot
- Uso de instrucciones de sistema frente a instrucciones de usuario en diferentes API
Requerimientos
Audiencia
- Desarrolladores que utilizan LLMs en la generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo
- Profesionales de software que experimentan con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Conocimiento de lenguajes de programación comunes (p. ej., Python, JavaScript, SQL)
- Comprensión básica de los grandes modelos de lenguaje y herramientas de IA como ChatGPT, Claude o Copilot
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