Codificación con ChatGPT y otros LLMs

Resumen

This course explores how developers can leverage large language models (LLMs) like ChatGPT for coding, debugging, and AI-driven software development. As LLMs revolutionize the programming landscape, this course equips you with the knowledge to harness them effectively for faster, more efficient coding.

Throughout the course, you will gain the skills needed to use LLMs for advanced tasks such as refactoring, optimization, and debugging. You'll learn how to integrate these tools into your development workflow and improve your productivity.

What sets this course apart is its blend of theoretical insights and hands-on applications. You'll not only learn the technical skills but also understand the ethical and legal considerations of using LLMs in real-world projects.

Ideal for experienced coders, data scientists, and AI enthusiasts, this course builds on a foundational understanding of programming and AI concepts. It’s perfect for those seeking to enhance their skills and stay ahead in the rapidly evolving field of AI-driven development.

Based on the book, Coding with ChatGPT and other LLMs, by Dr. Vincent Austin Hall.

Programa

• Qué es ChatGPT y qué son los LLMs
En esta sección, introducimos los modelos de lenguaje de gran tamaño, sus arquitecturas y aplicaciones en codificación.
• Liberando el poder de los LLMs para la codificación: un cambio de paradigma
En esta sección, exploramos el aprovechamiento de los LLMs para la codificación, centrándonos en la ingeniería de prompts, la evaluación de la calidad del código y el refinamiento del código generado para aplicaciones prácticas.
• Refactorización, depuración y optimización del código: una guía práctica
En esta sección, cubrimos el uso de los LLMs para la refactorización, depuración y optimización del código con ejemplos prácticos.
• Desmitificando el código generado para la legibilidad
En esta sección, exploramos técnicas para mejorar la legibilidad del código generado por LLM, enfatizando la documentación, la estructuración del código y la colaboración en el desarrollo asistido por IA.
• Abordando el sesgo y preocupaciones éticas en el código generado por LLM
En esta sección, exploramos la identificación del sesgo en el código generado por LLM, aplicando estrategias éticas y usando métricas de equidad para prevenir resultados injustos y riesgos legales.
• Navegando el panorama legal del código generado por LLM
En esta sección, examinamos la propiedad intelectual, la responsabilidad y los marcos legales para el código generado por LLM para asegurar el cumplimiento y el uso responsable de la IA.
• Consideraciones y medidas de seguridad
En esta sección, exploramos los riesgos de seguridad de los LLM, implementamos prácticas de codificación segura y monitoreamos vulnerabilidades en el código generado por IA para un desarrollo más seguro.
• Limitaciones de la codificación con LLMs
En esta sección, examinamos las limitaciones de los modelos de lenguaje de gran tamaño en la codificación, los desafíos de integración y las direcciones futuras de investigación para mejorar su fiabilidad y seguridad en el desarrollo de software.
• Cultivando la colaboración en la codificación mejorada con LLM
En esta sección, exploramos el compartir el código generado por LLM para fomentar la colaboración, la transparencia y la gestión del conocimiento. Los conceptos clave incluyen las mejores prácticas, la documentación y el uso de plataformas colaborativas para la productividad del equipo.
• Ampliando el conjunto de herramientas de LLM para programadores más allá de los LLMs
En esta sección, exploramos herramientas de IA no basadas en LLMs, como el análisis estático de código y los marcos de prueba, para mejorar la eficiencia de la codificación y la calidad del software.
• Ayudando a otros y maximizando tu carrera con LLMs
En esta sección, exploramos cómo la tutoría, el intercambio de conocimientos y el compromiso con la comunidad mejoran el crecimiento profesional e influyen en la codificación potenciada por LLM a través de estrategias prácticas y el networking.
• El futuro de los LLMs en el desarrollo de software
En esta sección, exploramos tendencias emergentes de LLM, impactos futuros en la codificación y desafíos en la integración de la IA, enfatizando consideraciones éticas y aplicaciones prácticas.

---

Impartido por

Packt - Course Instructors

---

Materias

Artificial Intelligence