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.
Programa do Curso
Melhores Práticas e Ferramentas
Armadilhas Comuns e Estratégias de Mitigação
Introdução à Engenharia de Prompts
Refinamento de Prompts e Design Iterativo
Utilizando Prompts para Automação de Testes e Geração de SQL
Resumo e Próximos Passos
Usando Prompts para Explicação e Depuração de Código
Escrevendo Prompts para Geração de Código
- Evitando código alucinado ou vulnerabilidades de segurança
- Lidando com entradas incompletas ou ambíguas
- Criando prompts de fallback seguros e barreiras de proteção
- Criando casos de teste a partir de requisitos ou código
- Gerando consultas SQL estruturadas a partir de linguagem natural
- Formatando saídas para integração em suítes de teste
- Explicando código legado ou desconhecido
- Solicitando revisões lógicas ou análise de casos de contorno
- Encontrando e explicando bugs ou ineficiências
- Gerando código a partir de descrições em linguagem simples
- Controlando o formato da saída e a linguagem de programação
- Trabalhando com lógica complexa ou múltiplas funções
- Melhorando os resultados por meio do encadeamento de prompts e ciclos de feedback
- Estratégias de recuperação de erros e ajuste fino de prompts
- Estudos de caso sobre refinamento para tarefas técnicas
- Bibliotecas de prompts e padrões de reutilização
- Utilizando modelos de prompt no VS Code ou em fluxos de trabalho baseados em API
- Avaliando a qualidade e o desempenho dos prompts no uso em produção
- Compreendendo prompts, contexto, tokens e modelos
- Tipos de prompts: zero-shot, one-shot e few-shot
- Utilizando instruções de sistema versus usuário em diferentes APIs
Requisitos
Público-Alvo
- Desenvolvedores que utilizam LLMs na geração ou análise de código
- Líderes técnicos explorando ferramentas de IA nos fluxos de trabalho
- Profissionais de software experimentando integrações com LLMs
- Experiência em desenvolvimento de software ou scripting
- Familiaridade com linguagens de programação comuns (por exemplo, Python, JavaScript, SQL)
- Compreensão básica de modelos de linguagem grandes e ferramentas de IA como ChatGPT, Claude ou Copilot
7 Horas
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