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 de Código con LLMs
- Estrategias de prompting para explicación y análisis de código.
- Trabajo con bases de código y proyectos no familiares.
- Análisis del flujo de control, dependencias y arquitectura.
Refactorización de Código para la Mantenibilidad
- Identificación de code smells, código muerto (dead code) y antipatrónes.
- Reestructuración de funciones y módulos para mayor claridad.
- Uso de LLMs para sugerir convenciones de nombramiento y mejoras de diseño.
Mejora del Rendimiento y la Confiabilidad
- 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 APIs.
Automatización de la Documentación de Código
- Generación de comentarios y resúmenes a nivel de función/método.
- Escritura y actualización de archivos README a partir de la base de código.
- Creación de documentación Swagger/OpenAPI con el soporte de LLMs.
Integración con Herramientas de Desarrollo (Toolchains)
- Uso de extensiones de VS Code y Copilot Labs para documentación.
- Incorporación de GPT o Claude en hooks de pre-commit de Git.
- Integración en pipelines de CI para documentación y linting.
Trabajo con Bases de Código Legacy y Multilingües
- Ingeniería inversa de sistemas antiguos o sin documentación.
- Refactorización entre lenguajes (p. ej., de Python a TypeScript).
- Casos de estudio y demostraciones de programación en pareja con IA (pair-AI programming).
Ética, Aseguramiento de Calidad y Revisión
- Validación de cambios generados por IA y evitación de alucinaciones.
- Mejores prácticas de revisión entre pares (peer review) al utilizar LLMs.
- Aseguramiento de la reproducibilidad y el cumplimiento con los estándares de codificación.
Resumen y Próximos Pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript.
- Conocimiento de arquitecturas de software y procesos de revisión de código.
- Comprensión básica de cómo funcionan los modelos de lenguaje grandes.
Público Objetivo
- Ingenieros backend.
- Equipos DevOps.
- Desarrolladores senior y líderes técnicos (tech leads).
14 Horas
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