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 Indicaciones
Refinamiento de Indicaciones y Diseño Iterativo
Ingeniería de Indicaciones para Automatización de Pruebas y Generación de SQL
Resumen y Próximos Pasos
Uso de Indicaciones para Explicación y Depuración de Código
Escritura de Indicaciones para la Generación de Código
- Evitar el código alucinado o vulnerabilidades de seguridad
- Manejo de entradas incompletas o ambiguas
- Creación de indicaciones de respaldo seguras y salvaguardas
- 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 antiguo o no familiar
- Ingeniería de indicaciones para recorridos de lógica o análisis de casos límite
- Detección y explicación de errores o ineficiencias
- Generación de código a partir de descripciones en lenguaje común
- Control del formato de salida y del lenguaje de programación
- Trabajo con lógica compleja o múltiples funciones
- Mejora de resultados mediante encadenamiento de indicaciones y bucles de retroalimentación
- Recuperación de errores y estrategias de ajuste de indicaciones
- Estudios de casos en refinación para tareas técnicas
- Bibliotecas de indicaciones y patrones de reutilización
- Uso de plantillas de indicaciones en flujos de trabajo de VS Code o basados en API
- Evaluación de la calidad y el rendimiento de las indicaciones en uso en producción
- Comprensión de indicaciones, contexto, tokens y modelos
- Tipos de indicaciones: zero-shot, one-shot, few-shot
- Uso de instrucciones de sistema vs. de usuario en diferentes API
Requerimientos
Público Objetivo
- Desarrolladores que utilizan LLM en la generación o análisis de código
- Líderes técnicos que exploran herramientas de IA en flujos de trabajo
- Profesionales de software que experimentan con integraciones de LLM
- Experiencia en desarrollo de software o scripting
- Conocimiento de lenguajes de programación comunes (p. ej., Python, JavaScript, SQL)
- Comprensión básica de 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