Objetivos
Este curso se enfoca en el uso de herramientas de IA existentes (ChatGPT, GitHub Copilot) para aumentar la productividad, mejorar la calidad del código y reducir el tiempo de desarrollo. Está diseñado para profesionales de desarrollo de software con conocimientos básicos o intermedios, interesados en integrar IA en sus flujos de trabajo de manera práctica y segura.
Contenidos
- Fundamentos de IA y Prompt Engineering
- Conceptos básicos de inteligencia artificial, aprendizaje automático y modelos de lenguaje
- Cómo funcionan herramientas como ChatGPT y GitHub Copilot
- Principios de prompt engineering: cómo redactar prompts efectivos para obtener resultados útiles
- Limitaciones y riesgos de la IA (alucinaciones, sesgos, seguridad)
- IA en la fase de análisis de requisitos
- Generación de historias de usuario y backlog de producto mediante IA
- Refinamiento de requisitos funcionales y no funcionales
- Creación de documentación inicial de forma automatizada
- IA en diseño de software
- Soporte en la generación de arquitecturas de software (monolitos, microservicios)
- Generación de diagramas de arquitectura (UML, C4) con asistencia de IA
- Evaluación de decisiones técnicas con IA
- IA en desarrollo y codificación
- Autocompletado y generación de código
- Refactorización asistida y traducción entre lenguajes
- Integración de IA en el flujo de desarrollo para aumentar productividad
- Mejores prácticas de uso de IA para desarrollo profesional
- IA en testing y aseguramiento de calidad
- Generación automática de tests unitarios y de integración
- Detección de errores y sugerencias de corrección mediante IA
- Mejora de cobertura y calidad del software
- IA en DevOps y despliegue
- Generación de pipelines CI/CD con asistencia de IA
- Automatización de scripts y contenedores (Docker, Kubernetes)
- Diagnóstico de fallos y soporte de despliegue con IA
- IA en mantenimiento y evolución del software
- Análisis de código legado y documentación automática
- Detección de deuda técnica y sugerencias de refactorización
- Actualización y mejora continua asistida por IA
- Riesgos y buenas prácticas
- Errores típicos al usar IA (código incorrecto, dependencias falsas)
- Seguridad y manejo de datos sensibles
- Cómo validar y supervisar el output generado por la IA
Duración
Leave A Reply