Temario del curso
Nivel 1: La Mazmorra del Descubrimiento – Secretos de los Requisitos
Misión: Utilizar modelos de lenguaje grandes (LLM, como ChatGPT) para extraer requisitos estructurados a partir de información ambigua.
Actividades clave:
- Interpretar ideas de producto vagas o solicitudes de características
-
Utilizar la IA para:
- Generar historias de usuario y criterios de aceptación
- Sugerir personas y escenarios
-
Generar artefactos visuales (por ejemplo, diagramas simples con Mermaid o draw.io)
Resultado: backlog estructurado de historias de usuario + modelo de dominio inicial/visualizaciones
Nivel 2: El Horno del Diseño – Pergamino del Arquitecto
Misión: Utilizar la IA para crear y validar planes de arquitectura.
Actividades clave:
-
Utilizar la IA para:
- Proponer estilos arquitectónicos (monolito, microservicios, serverless)
- Generar diagramas de componentes e interacciones de alto nivel
- Estructurar la disposición de clases/módulos
-
Cuestionar las decisiones de los demás mediante revisiones de diseño entre pares
Resultado: Arquitectura validada + esqueleto de código
Nivel 3: La Arena del Código – Desafío del Codex
Misión: Utilizar copilotos de IA para implementar características y mejorar el código.
Actividades clave:
- Utilizar GitHub Copilot o ChatGPT para implementar funcionalidades
-
Refactorizar el código generado por IA para mejorar:
- El rendimiento
- La seguridad
- La mantenibilidad
-
Inyectar "malos olores de código" y realizar desafíos de limpieza entre pares
Resultado: Base de código funcional, refactorizada y generada por IA
Nivel 4: El Pantano de los Errores – Probando la Oscuridad
Misión: Generar y mejorar pruebas con IA, luego encontrar errores en el código de otros.
Actividades clave:
-
Utilizar la IA para generar:
- Pruebas unitarias
- Pruebas de integración
- Simulaciones de casos extremos
-
Intercambiar código con errores con otro equipo para realizar la depuración asistida por IA
Resultado: Conjunto de pruebas + informe de errores + correcciones de errores
Nivel 5: Los Portal del Pipeline – Puerta del Automata
Misión: Configurar pipelines de CI/CD inteligentes con asistencia de IA.
Actividades clave:
-
Utilizar la IA para:
- Definir flujos de trabajo (por ejemplo, GitHub Actions)
- Automatizar pasos de compilación, pruebas y despliegue
-
Sugerir políticas de detección de anomalías/reversión automática
Resultado: Script o flujo de CI/CD funcional, asistido por IA
Nivel 6: La Ciudadela de la Monitorización – Torre de Vigilancia de los Registros
Misión: Analizar registros y utilizar aprendizaje automático para detectar anomalías y simular la recuperación.
Actividades clave:
- Analizar registros pre-poblados o generados
-
Utilizar la IA para:
- Identificar anomalías o tendencias de errores
- Sugerir respuestas automatizadas (por ejemplo, scripts de autocuración, alertas)
-
Crear dashboards o resúmenes visuales
Resultado: Plan de monitorización o mecanismo de alertas inteligente simulado
Nivel Final: La Arena del Héroe – Construyendo el SDLC Soportado por IA Definitivo
Misión: Los equipos aplican todo lo aprendido para construir un ciclo SDLC funcional para un mini-proyecto.
Actividades clave:
- Seleccionar un mini-proyecto de equipo (por ejemplo, gestor de errores, chatbot, microservicio)
-
Aplicar la IA en cada fase del SDLC:
- Requisitos, Diseño, Código, Pruebas, Despliegue, Monitorización
- Presentar los resultados en una breve demostración del equipo
Votación o juicio por parte de los pares para identificar el pipeline con IA más efectivo
Resultado: Implementación del SDLC mejorado con IA de extremo a extremo + exhibición del equipo
Al finalizar este taller, los participantes podrán:
- Aplicar herramientas de IA generativa para extraer y estructurar requisitos de software
- Generar diagramas de arquitectura y validar decisiones de diseño utilizando IA
- Utilizar copilotos de IA para implementar y refactorizar código de calidad de producción
- Automatizar la generación de pruebas y realizar depuración asistida por IA
- Diseñar pipelines de CI/CD inteligentes que detecten y reaccionen ante anomalías
- Analizar registros con herramientas de IA/ML para identificar riesgos y simular autocuración
- Demostrar un SDLC completamente mejorado con IA a través de un mini-proyecto de equipo
Requerimientos
Público objetivo: Desarrolladores de software, probadores, arquitectos, ingenieros de DevOps, propietarios de producto (product owners)
Los participantes deben tener:
- Una comprensión funcional del Ciclo de Vida de Desarrollo de Software (SDLC)
- Experiencia práctica en al menos un lenguaje de programación (por ejemplo, Python, Java, JavaScript, C#, etc.)
-
Familiaridad con:
- La redacción y lectura de historias de usuario o requisitos
- Principios básicos de diseño de software
- Control de versiones (por ejemplo, Git)
- La redacción y ejecución de pruebas unitarias
- La ejecución o interpretación de pipelines de CI/CD
Este es un taller de nivel intermedio a avanzado. Es ideal para profesionales que ya forman parte de equipos de entrega de software (desarrolladores, probadores, ingenieros de DevOps, arquitectos, propietarios de producto).
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
