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 la automatización de pruebas y la 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
- Manejo de entradas incompletas o ambiguas
- Creación de prompts de respaldo seguros y guardarrailas
- 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 legacy o poco familiar
- Solicitud de análisis de lógica o casos límite
- Búsqueda 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
- Casos de estudio 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: cero disparos (zero-shot), un disparo (one-shot), pocos disparos (few-shot)
- Uso de instrucciones de sistema frente a instrucciones de usuario en diferentes APIs
Requerimientos
Público objetivo
- 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 LLMs
- Experiencia en desarrollo de software o scripting
- Familiaridad con lenguajes de programación comunes (p. ej., Python, JavaScript, SQL)
- Comprensión básica de los modelos de lenguaje de gran escala (LLM) 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