Temario del curso
Comprensión del código mediante LLM
- Estrategias de formulación de prompts para explicar y analizar el código.
- Trabajo con bases de código y proyectos previamente desconocidos.
- Análisis del flujo de control, dependencias y estructura arquitectónica.
Refactorización del código para mayor mantenibilidad
- Identificación de “malos olores” en el código, fragmentos inutilizados y patrones anti-padre.
- Reestructuración de funciones y módulos para mejorar su claridad.
- Aprovechamiento de LLM como ayuda para proponer convenciones de nomenclatura y mejoras en el diseño.
Mejora del rendimiento y la fiabilidad del código
- Detección asistida por IA de ineficiencias y riesgos de seguridad.
- Sugerencias para sustituir algoritmos o librerías más eficientes.
- Refactorización de operaciones de entrada/salida, consultas a bases de datos y llamadas a API.
Automatización de la documentación del código
- Generación automática de comentarios detallados en distintos niveles del código.
- Redacción y actualización de archivos README a partir de información contenida en el código.
- Creación asistida por LLM de documentación conforme a estándares como Swagger/OpenAPI.
Integración con cadenas de herramientas y sistemas existentes
- Uso de extensiones para VS Code y Copilot Labs en tareas de documentación.
- Incorporación de GPT o Claude dentro de los mecanismos de pre-commit en Git.
- Integración con pipelines de CI para automatizar la revisión de código y generación de documentación.
Trabajo con sistemas heredados y códigos multilingües
- Reversión del diseño y funcionamiento de sistemas antiguos sin documentación previa.
- Refactorización entre distintos lenguajes (por ejemplo, pasar de Python a TypeScript).
- Estudios de caso prácticos y demostraciones en parejas usando IA como compañero.
Ética, control de calidad y revisión del trabajo generado por IA
- Validación rigurosa de cambios propuestos por la IA para evitar respuestas incorrectas o inválidas.
- Buenas prácticas para la revisión colaborativa cuando se utilizan LLM en el equipo.
- Aseguramiento de que los resultados cumplan con estándares de calidad y normativas técnicas establecidas.
Resumen final y próximos pasos a seguir
Requerimientos
- Experiencia previa con lenguajes de programación como Python, Java o JavaScript
- Conocimiento básico de arquitectura de software y procesos de revisión de código
- Comprensión elemental sobre el funcionamiento de los modelos de lenguaje grande
Público objetivo
- Ingenieros de backend
- Equipos DevOps
- Desarrolladores sénior y líderes técnicos
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
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
