Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Compreensão de Código com LLMs
- Estratégias de prompt para explicação e análise detalhada de código
- Trabalhando com bases de código e projetos não familiares
- Analisando fluxo de controle, dependências e arquitetura
Refatoração de Código para Manutenibilidade
- Identificando cheiros de código, código morto e anti-padrões
- Reestruturando funções e módulos para maior clareza
- Usando LLMs para sugerir convenções de nomenclatura e melhorias de design
Melhoria de Desempenho e Confiabilidade
- Detectando ineficiências e riscos de segurança com assistência de IA
- Sugerindo algoritmos ou bibliotecas mais eficientes
- Refatorando operações de E/S, consultas de banco de dados e chamadas de API
Automação da Documentação de Código
- Geração de comentários e resumos no nível de função/método
- Escrita e atualização de arquivos README a partir das bases de código
- Criação de documentos Swagger/OpenAPI com suporte de LLMs
Integração com Ferramentas
- Uso de extensões do VS Code e Copilot Labs para documentação
- Incorporação de GPT ou Claude em hooks de pré-commit do Git
- Integração em pipelines de CI para documentação e linting
Trabalhando com Bases de Código Legadas e Multilíngues
- Engenharia reversa de sistemas antigos ou sem documentação
- Refatoração entre linguagens (ex.: de Python para TypeScript)
- Estudos de caso e demonstrações de programação com par de IA
Ética, Garantia de Qualidade e Revisão
- Validação de alterações geradas por IA e evitar alucinações
- Boas práticas de revisão por pares ao usar LLMs
- Garantindo reprodutibilidade e conformidade com padrões de codificação
Resumo e Próximos Passos
Requisitos
- Experiência com linguagens de programação como Python, Java ou JavaScript
- Familiaridade com arquitetura de software e processos de revisão de código
- Compreensão básica de como os modelos de linguagem de grande escala funcionam
Público-Alvo
- Engenheiros de backend
- Equipes de DevOps
- Desenvolvedores sêniores e líderes técnicos
14 Horas
Testemunhos de Clientes (1)
Agora tenho conhecimento sobre a biblioteca Streamlit em Python e, com certeza, vou tentar usá-la para melhorar os aplicativos da minha equipe que são desenvolvidos no R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Máquina Traduzida