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.
Duración 14 horas
Temario del curso
Comprensión del código con LLMs
- Estrategias de prompting para la explicación y el recorrido 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 olores a código, código muerto y anti-patrones
- Reestructuración de funciones y módulos para mayor claridad
- Uso de LLMs para sugerir convenciones de nomenclatura 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 a bases de datos y llamadas a API
Automatización de la documentación de código
- Generación de comentarios y resúmenes a nivel de función/método
- Escritura y actualización de archivos README desde las bases de código
- Creación de documentación Swagger/OpenAPI con apoyo de LLMs
Integración con las cadenas de herramientas
- Uso de extensiones de VS Code y Copilot Labs para documentación
- Incorporación de GPT o Claude en hooks de Git pre-commit
- Integración en el pipeline de CI para documentación y linting
Trabajo con bases de código heredadas y multilenguaje
- Ingeniería inversa de sistemas antiguos o sin documentar
- Refactorización entre lenguajes (p. ej., de Python a TypeScript)
- Estudios de caso y demostraciones de programación en pareja con IA
Ética, garantía de calidad y revisión
- Validación de cambios generados por IA y evitación de alucinaciones
- Mejores prácticas de revisión por pares al utilizar LLMs
- Asegurar la reproducibilidad y el cumplimiento de los estándares de codificación
Resumen y próximos pasos
Requerimientos
- Experiencia con lenguajes de programación como Python, Java o JavaScript
- Familiaridad con la arquitectura de software y los procesos de revisión de código
- Comprensión básica de cómo funcionan los modelos de lenguaje de gran escala
Público objetivo
- Ingenieros de backend
- Equipos de DevOps
- Desarrolladores senior y líderes técnicos
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