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 7 horas
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 automatización de pruebas y generación de SQL
Resumen y próximos pasos
Uso de prompts para explicación de código y depuración
Escritura 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 barreras protectoras (guardrails)
- 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 legado o poco familiar
- Prompts para recorridos lógicos o análisis de casos extremos
- Detección y explicación de errores o ineficiencias
- Generación de código a partir de descripciones en lenguaje sencillo
- 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
- Estudios de caso de 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 productivo
- Comprensión de prompts, contexto, tokens y modelos
- Tipos de prompts: zero-shot, one-shot, few-shot
- Uso de instrucciones del sistema vs. instrucciones del usuario en diferentes API
Requerimientos
Audiencia
- Desarrolladores que utilizan LLM en la generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo
- Profesionales del software que experimentan con integraciones de LLM
- 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 grandes 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
