Temario del curso

Introducción al Vibe Coding

  • Definición e historia del vibe coding
  • Filosofía de la colaboración “prompt-to-code”
  • Cómo el desarrollo con IA difiere del desarrollo tradicional

Modelos de Lenguaje Grande en la Codificación

  • Visión general de los LLMs para desarrolladores: GPT-4, DeepSeek, Qwen, Mistral
  • Comparación entre AI coders de código abierto y propietarios
  • Implementación de LLMs localmente o a través de APIs

Ingeniería de Prompts para Desarrolladores

  • Prompts efectivos para generar y refactorizar código
  • Gestión del contexto y el estado de la conversación
  • Creación de plantillas reutilizables de prompts 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 del equipo

Calidad y Validación del Código en Flujos de Trabajo con IA

  • Revisión y prueba de código generado por LLMs
  • Asegurar consistencia, mantenibilidad y seguridad
  • Integración de herramientas de validación de código en el flujo de trabajo

Integración Empresarial y Gobernanza

  • Escalado del vibe coding a lo largo de equipos
  • Gobernanza, ética y cumplimiento en la generación de código con IA
  • Diseño de marcos organizativos para el desarrollo asistido por IA

Temas Avanzados: Extensión del Vibe Coding

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

Proyecto y Colaboración del Equipo

  • Diseño de un proyecto real de codificación asistida por IA
  • Colaboración con desarrolladores humanos y con IA
  • Presentación de resultados y medición de ganancias en productividad

Resumen y Pasos Siguientes

Requerimientos

  • Comprensión de los flujos de trabajo de desarrollo de software
  • Experiencia con Python, JavaScript o otro lenguaje de programación moderno
  • Familiaridad con sistemas de control de versiones basados en Git

Audiencia

  • Ingenieros de software que exploran el desarrollo asistido por IA
  • Líderes de ingeniería que supervisan la adopción de IA en flujos de trabajo de codificación
  • Equipos de desarrollo empresariales que buscan integrar LLMs en pipelines de producción
 21 Horas

Número de participantes


Precio por Participante​

Testimonios (1)

Próximos cursos

Categorías Relacionadas