Programa do Curso
Introdução ao Vibe Coding
- Definição e história do vibe coding
- Filosofia da colaboração “de prompt a código”
- Como a codificação com IA difere do desenvolvimento tradicional
Modelos de Linguagem Grandes em Codificação
- Visão geral de LLMs para desenvolvedores: GPT-4, DeepSeek, Qwen, Mistral
- Comparação entre modelos de IA abertos e proprietários
- Implementação de LLMs localmente ou via APIs
Engenharia de Prompts para Desenvolvedores
- Prompting eficaz para geração e refatoração de código
- Gerenciamento de contexto e manipulação do estado da conversa
- Criação de modelos de prompt reutilizáveis para tarefas de codificação
Ambientes Práticos de Vibe Coding
- Usando Replit para codificação colaborativa assistida por IA
- Integrando GitHub Copilot e Qwen Coder em IDEs
- Personalizando fluxos de trabalho para colaboração em equipe
Qualidade e Validação de Código nos Fluxos de Trabalho com IA
- Revisão e teste de código gerado por LLMs
- Garantia de consistência, manutenibilidade e segurança
- Integração de ferramentas de validação de código no fluxo de trabalho
Integração Corporativa e Governança
- Escalando vibe coding em equipes
- Governança, ética e conformidade com IA na geração de código
- Projetando frameworks organizacionais para desenvolvimento assistido por IA
Tópicos Avançados: Ampliando o Vibe Coding
- Combinando múltiplos LLMs para fluxos de trabalho híbridos de IA
- Integrando vibe coding com automação CI/CD
- Tendências futuras: ecossistemas de desenvolvimento multi-agentes
Projeto em Equipe e Colaboração
- Projetando um projeto real de codificação assistida por IA
- Colaborando com desenvolvedores humanos e de IA
- Apresentando resultados e medindo ganhos de produtividade
Resumo e Próximos Passos
Requisitos
- Compreensão de fluxos de trabalho de desenvolvimento de software
- Experiência com Python, JavaScript ou outra linguagem de programação moderna
- Familiaridade com sistemas de controle de versão baseados em Git
Público-Alvo
- Engenheiros de software explorando o desenvolvimento assistido por IA
- Líderes técnicos supervisionando a adoção de IA em fluxos de trabalho de codificação
- Equipes de desenvolvimento corporativas buscando integrar LLMs em pipelines de produção
Testemunhos de Clientes (2)
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
Instrutor capaz de ajustar o nível do curso durante o treinamento para se adequar ao nosso nível de compreensão sobre o tópico, de modo que pudéssemos adquirir mais conhecimentos úteis que pudessem nos ajudar a utilizar as ferramentas em nossos trabalhos diários.
Tatt Juen - ViTrox Technologies Sdn Bhd
Curso - Intermediate GitHub Copilot
Máquina Traduzida