Contacta con nosotros

Temario del curso

Introducción al Vibe Coding

  • Definición e historia del vibe coding.
  • Filosofía de la colaboración "prompt-to-code" (de instrucción a código).
  • Cómo difiere la codificación con IA del desarrollo tradicional.

Modelos de Lenguaje Grandes en la Codificación

  • Resumen de los modelos de lenguaje grandes para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral.
  • Comparación entre codificadores de IA de código abierto y propietarios.
  • Implementación local de modelos de lenguaje grandes o a través de APIs.

Ingeniería de Prompts para Desarrolladores

  • Prompts efectivos para generar y refactorizar código.
  • Gestión del contexto y manejo del estado de la conversación.
  • Creación de plantillas de prompts reutilizables para tareas de codificación.

Entornos Prácticos de Vibe Coding

  • Uso de Replit para la codificación colaborativa con IA.
  • Integración de GitHub Copilot y Qwen Coder en IDEs.
  • Personalización de flujos de trabajo para la colaboración en equipo.

Calidad y Validación del Código en Flujos de Trabajo con IA

  • Revisión y prueba del código generado por modelos de lenguaje grandes.
  • Garantizar consistencia, mantenibilidad y seguridad.
  • Integración de herramientas de validación de código en el flujo de trabajo.

Integración Empresarial y Gobernanza

  • Escalabilidad del vibe coding entre equipos.
  • Gobernanza, ética y cumplimiento normativo en la generación de código con IA.
  • Diseño de marcos organizacionales para el desarrollo asistido por IA.

Temas Avanzados: Extensión del Vibe Coding

  • Combinación de múltiples modelos de lenguaje grandes para flujos de trabajo híbridos de IA.
  • Integración del vibe coding con la automatización de CI/CD.
  • Tendencias futuras: ecosistemas de desarrollo multi-agente.

Proyecto en Equipo y Colaboración

  • Diseño de un proyecto de codificación asistido por IA del mundo real.
  • Colaboración con desarrolladores humanos y de IA.
  • Presentación de resultados y medición de las ganancias en productividad.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los flujos de trabajo de desarrollo de software.
  • Experiencia con Python, JavaScript u otro lenguaje de programación moderno.
  • Familiaridad con 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 los flujos de trabajo de codificación.
  • Equipos de desarrollo empresarial que buscan integrar modelos de lenguaje grandes en sus pipelines de producción.
 21 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas