Temario del curso
Mejores prácticas y herramientas
Errores 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
Escritura de prompts para la generación de código
- Evitar código alucinado o vulnerabilidades de seguridad.
- Manejo de entradas incompletas o ambiguas.
- Creación de prompts de respaldo seguros y barreras protectoras.
- Creación de casos de prueba a partir de requisitos o código.
- Generación de consultas SQL estructuradas a partir de lenguaje natural.
- Formateo de salidas para su integración en suites de pruebas.
- Explicación de código antiguo o poco familiar.
- Prompts para recorridos lógicos o análisis de casos límite.
- Identificación y explicación de errores o ineficiencias.
- Generación de código a partir de descripciones en lenguaje plano.
- Control del formato de salida y del lenguaje de programación.
- Trabajo con lógica compleja o múltiples funciones.
- Mejora de resultados mediante encadenamiento de prompts y bucles de retroalimentación.
- Recuperación de errores y estrategias de ajuste de prompts.
- Estudios de casos 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 en 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 APIs.
Requerimientos
Audiencia
- Desarrolladores que utilizan LLM 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.
- Familiaridad con 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