Contacta con nosotros

Temario del curso

Buenas 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 la Explicación y Depuración de Código

Redacción de Prompts para la Generación de Código

  • Evitar la generación de código alucinado o vulnerabilidades de seguridad.
  • Manejar entradas incompletas o ambiguas.
  • Crear prompts de respaldo seguros y barreras de protección (guardrails).
  • Crear casos de prueba a partir de requisitos o código existente.
  • Generar consultas SQL estructuradas a partir de lenguaje natural.
  • Formatear las salidas para su integración en suites de pruebas.
  • Explicar código legado o desconocido.
  • Utilizar prompts para recorrer la lógica o analizar casos límite.
  • Encontrar y explicar errores o ineficiencias.
  • Generar código a partir de descripciones en lenguaje natural.
  • Controlar el formato de salida y el lenguaje de programación.
  • Trabajar con lógica compleja o múltiples funciones.
  • Mejorar los resultados mediante el encadenamiento de prompts y bucles de retroalimentación.
  • Estrategias de recuperación de errores y ajuste de prompts.
  • Estudios de caso sobre 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.
  • Comprender prompts, contexto, tokens y modelos.
  • Tipos de prompts: zero-shot, one-shot, few-shot.
  • Uso de instrucciones del sistema frente a instrucciones del usuario en diferentes APIs.

Requerimientos

Audiencia Objetivo

  • Desarrolladores que utilizan LLMs para generación o análisis de código.
  • Líderes técnicos que exploran herramientas de IA en sus flujos de trabajo.
  • Profesionales de software que experimentan con integraciones de LLM.
  • Experiencia en desarrollo de software o scripting.
  • Familiaridad con lenguajes de programación comunes (por ejemplo, Python, JavaScript, SQL).
  • Comprensión básica de modelos de lenguaje grandes y herramientas de IA como ChatGPT, Claude o Copilot.
 7 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas