Contacta con nosotros

Temario del curso

Comprensión del código con LLMs

  • Estrategias de prompting para explicación y recorrido de código.
  • Trabajo con bases de código y proyectos desconocidos.
  • Análisis del flujo de control, dependencias y arquitectura.

Refactorización del código para facilitar el mantenimiento

  • Identificación de olores a código, código muerto y antipatrones.
  • Reestructuración de funciones y módulos para mayor claridad.
  • Uso de LLMs para sugerir convenciones de nomenclatura y mejoras en el 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 APIs.

Automatización de la documentación del código

  • Generación de comentarios y resúmenes a nivel de funciones/métodos.
  • Escritura y actualización de archivos README a partir de bases de código.
  • Creación de documentos Swagger/OpenAPI con soporte de LLMs.

Integración con cadenas de herramientas (toolchains)

  • Uso de extensiones de VS Code y Copilot Labs para documentación.
  • Incorporación de GPT o Claude en ganchos pre-commit de Git.
  • Integración en pipelines CI para documentación y verificación de estilo (linting).

Trabajo con bases de código heredadas y multi-lenguaje

  • Ingeniería inversa de sistemas antiguos o sin documentar.
  • Refactorización entre lenguajes (por ejemplo, de Python a TypeScript).
  • Casos de estudio y demostraciones de programación en pareja con IA.

Ética, control de calidad y revisión

  • Validación de cambios generados por IA y evitar alucinaciones.
  • Buenas prácticas de revisión entre pares al utilizar LLMs.
  • Asegurar la reproducibilidad y el cumplimiento de las normas de codificación.

Resumen y próximos pasos

Requerimientos

  • Experiencia con lenguajes de programación como Python, Java o JavaScript.
  • Conocimiento sobre arquitectura 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.
 14 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas