Temario del curso
Introducción al Vibe Coding
- Definición e historia del vibe coding
- Filosofía de la colaboración “prompt-to-code”
- Cómo el desarrollo con IA difiere del desarrollo tradicional
Modelos de Lenguaje Grande en la Codificación
- Visión general de los LLMs para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral
- Comparación entre AI coders de código abierto y propietarios
- Implementación de LLMs localmente o a través de APIs
Ingeniería de Prompts para Desarrolladores
- Prompts efectivos para generar y refactorizar código
- Gestión del contexto y el estado de la conversación
- Creación de plantillas reutilizables de prompts para tareas de codificación
Entornos Prácticos de Vibe Coding
- Uso de Replit para la codificación colaborativa con IA
- Integración de GitHub Copilot y Qwen Coder en IDEs
- Personalización de flujos de trabajo para la colaboración del equipo
Calidad y Validación del Código en Flujos de Trabajo con IA
- Revisión y prueba de código generado por LLMs
- Asegurar consistencia, mantenibilidad y seguridad
- Integración de herramientas de validación de código en el flujo de trabajo
Integración Empresarial y Gobernanza
- Escalado del vibe coding a lo largo de equipos
- Gobernanza, ética y cumplimiento en la generación de código con IA
- Diseño de marcos organizativos para el desarrollo asistido por IA
Temas Avanzados: Extensión del Vibe Coding
- Combinación de múltiples LLMs para flujos de trabajo híbridos con IA
- Integración de vibe coding con la automatización CI/CD
- Tendencias futuras: ecosistemas de desarrollo multi-agente
Proyecto y Colaboración del Equipo
- Diseño de un proyecto real de codificación asistida por IA
- Colaboración con desarrolladores humanos y con IA
- Presentación de resultados y medición de ganancias en productividad
Resumen y Pasos Siguientes
Requerimientos
- Comprensión de los flujos de trabajo de desarrollo de software
- Experiencia con Python, JavaScript o otro lenguaje de programación moderno
- Familiaridad con sistemas de control de versiones basados en Git
Audiencia
- Ingenieros de software que exploran el desarrollo asistido por IA
- Líderes de ingeniería que supervisan la adopción de IA en flujos de trabajo de codificación
- Equipos de desarrollo empresariales que buscan integrar LLMs en pipelines de producción
Testimonios (3)
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
El formador puede ajustar el nivel del curso durante la capacitación para adaptarlo a nuestro nivel de comprensión del tema, de manera que podamos adquirir conocimientos más útiles que nos ayuden a aprovechar mejor las herramientas en nuestro trabajo diario.
Tatt Juen - ViTrox Technologies Sdn Bhd
Curso - Intermediate GitHub Copilot
Traducción Automática