Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Duração 14 horas
Programa do Curso
Compreendendo Código com LLMs
- Estratégias de prompt para explicação e explicação passo a passo de código
- Trabalhando com bases de código e projetos desconhecidos
- Analisando fluxo de controle, dependências e arquitetura
Refatorando Código para Manutenibilidade
- Identificando code smells, código morto e antipadrões
- Reestruturando funções e módulos para clareza
- Utilizando LLMs para sugerir convenções de nomenclatura e melhorias de design
Melhorando Desempenho e Confiabilidade
- Detectando ineficiências e riscos de segurança com o auxílio da IA
- Sugerindo algoritmos ou bibliotecas mais eficientes
- Refatorando operações de E/S, consultas de banco de dados e chamadas de API
Automatizando a Documentação de Código
- Gerando comentários e resumos no nível de função/método
- Escrevendo e atualizando arquivos README a partir das bases de código
- Criando docs Swagger/OpenAPI com suporte de LLMs
Integração com Ferramentas
- Usando extensões do VS Code e Copilot Labs para documentação
- Incorporando GPT ou Claude em hooks de pré-commit do Git
- Integração em pipelines de CI para documentação e linting
Trabalhando com Bases de Código Legadas e Multilíngues
- Engenharia reversa de sistemas antigos ou sem documentação
- Refatoração entre linguagens (ex.: de Python para TypeScript)
- Estudos de caso e demonstrações de programação com IA em dupla
Ética, Garantia de Qualidade e Revisão
- Validando alterações geradas por IA e evitando alucinações
- Boas práticas de revisão por pares ao utilizar LLMs
- Garantindo reproduzibilidade e conformidade com padrões de codificação
Resumo e Próximos Passos
Requisitos
- Experiência com linguagens de programação como Python, Java ou JavaScript
- Familiaridade com arquitetura de software e processos de revisão de código
- Compreensão básica de como os modelos de linguagem grandes funcionam
Público-Alvo
- Engenheiros de backend
- Equipes DevOps
- Desenvolvedores seniores e líderes técnicos
Testemunhos de Clientes (1)
Agora tenho conhecimento sobre a biblioteca Streamlit em Python e, com certeza, vou tentar usá-la para melhorar os aplicativos da minha equipe que são desenvolvidos no R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Máquina Traduzida