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 21 horas
Temario del curso
Introducción al «vibe coding»
- Definición e historia del «vibe coding»
- Filosofía de la colaboración «de indicación a código»
- Cómo la programación con IA difiere del desarrollo tradicional
Modelos de lenguaje de gran escala en programación
- Visión general de LLM para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral
- Comparación entre codificadores de IA de código abierto y propietarios
- Despliegue de LLM localmente o mediante APIs
Ingeniería de indicaciones para desarrolladores
- Indicaciones efectivas para generar y refactorizar código
- Gestión del contexto y manejo del estado de la conversación
- Creación de plantillas de indicaciones reutilizables para tareas de programación
Entornos de «vibe coding» prácticos
- Uso de Replit para programación colaborativa con IA
- Integración de GitHub Copilot y Qwen Coder en IDEs
- Personalización de flujos de trabajo para la colaboración en equipo
Calidad del código y validación en flujos de trabajo de IA
- Revisión y prueba de código generado por LLM
- Garantizar consistencia, mantenibilidad y seguridad
- Integración de herramientas de validación de código en el flujo de trabajo
Integración empresarial y gobernanza
- Escala del «vibe coding» en equipos
- Gobernanza, ética y cumplimiento de IA en la generación de código
- Diseño de marcos organizacionales para el desarrollo asistido por IA
Temas avanzados: Extensión del «vibe coding»
- Combinación de múltiples LLM para flujos de trabajo híbridos de IA
- Integración del «vibe coding» con la automatización CI/CD
- Tendencias futuras: ecosistemas de desarrollo multi-agente
Proyecto en equipo y colaboración
- Diseño de un proyecto real de codificación asistida por IA
- Colaboración con desarrolladores humanos y de IA
- Presentación de resultados y medición de ganancias de productividad
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de desarrollo de software
- Experiencia con Python, JavaScript o otro lenguaje de programación moderno
- Conocimiento de sistemas de control de versiones basados en Git
Público objetivo
- Ingenieros de software que exploran el desarrollo asistido por IA
- Líderes de ingeniería que supervisan la adopción de IA en flujos de trabajo de código
- Equipos de desarrollo empresarial que buscan integrar LLM en tuberías de producción
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