Entrar em Contato
 Duração 21 horas

Programa do Curso

Introdução ao Vibe Coding

  • Definição e histórico do vibe coding
  • Filosofia da colaboração "prompt-to-code"
  • Como a codificação por IA difere do desenvolvimento tradicional

Grandes Modelos de Linguagem na Codificação

  • Visão geral de LLMs para desenvolvedores: GPT-4, DeepSeek, Qwen, Mistral
  • Comparação entre codificadores de IA de código aberto e proprietários
  • Implantação de LLMs localmente ou via APIs

Engenharia de Prompts para Desenvolvedores

  • Prompting eficaz para geração e refatoração de código
  • Gestão de contexto e tratamento de estado de conversa
  • Criação de modelos de prompts reutilizáveis para tarefas de codificação

Ambientes Práticos de Vibe Coding

  • Utilização do Replit para codificação colaborativa com IA
  • Integração de GitHub Copilot e Qwen Coder em IDEs
  • Personalização de fluxos de trabalho para colaboração em equipe

Qualidade do Código e Validação em Fluxos de Trabalho de IA

  • Revisão e testes 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

  • Escala do vibe coding entre equipes
  • Governança de IA, ética e conformidade na geração de código
  • Projetos de frameworks organizacionais para desenvolvimento assistido por IA

Tópicos Avançados: Estendendo o Vibe Coding

  • Combinação de múltiplos LLMs para fluxos de trabalho híbridos de IA
  • Integração do vibe coding com automação de CI/CD
  • Tendências futuras: ecossistemas de desenvolvimento multiagente

Projeto de Equipe e Colaboração

  • Projetos de um projeto de codificação assistido por IA do mundo real
  • Colaboração com desenvolvedores humanos e de IA
  • Apresentação de resultados e medição de ganhos de produtividade

Resumo e Próximos Passos

Requisitos

  • Conhecimento dos 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 de engenharia supervisionando a adoção de IA nos fluxos de trabalho de codificação
  • Times de desenvolvimento corporativo que buscam integrar LLMs em pipelines de produção

Número de participantes


Preço por participante

Testemunhos de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas