Programação Assistida por IA Generativa para Profissionais de Engenharia de Software

• Compreender o funcionamento dos LLM aplicados a código e as suas capacidades e limitações no contexto do desenvolvimento de software.
• Utilizar assistentes de programação (GitHub Copilot, AntiGravity, Claude Code, entre outros) de forma eficaz no ciclo de desenvolvimento.
• Aplicar técnicas de Engenharia de Prompt orientadas a código: especificação de contexto, decomposição de tarefas e iteração.
• Gerar, refactorizar, documentar e testar código com apoio de IA, mantendo a revisão humana como garante da qualidade.
• Conceber fluxos de trabalho agênticos (agentic workflows) e compreender o papel do contexto (p. ex., ficheiros de regras e MCP).
• Avaliar criticamente o código gerado quanto a correcção, segurança, desempenho e manutenibilidade.
• Reconhecer os riscos de segurança, os vieses, as questões de licenciamento e propriedade intelectual e as boas práticas de uso responsável.

1—Fundamentos da Programação Assistida por IA
• Como os LLM “compreendem” e geram código; o conceito de janela de contexto.
• Panorama do ecossistema: GitHub Copilot, Antigravity, Claude Code e LLM de uso geral.
• Capacidades, limites e riscos: alucinações, código plausível mas incorrecto e dependências obsoletas.
• Demonstração inicial e configuração do ambiente; familiarização com o Microsoft Teams.
2—Engenharia de Prompt para Código
• Princípios da Engenharia de Prompt aplicada ao desenvolvimento: contexto, papel, tarefa e restrições.
• Decomposição de problemas complexos e iteração orientada por testes.
• Geração de código a partir de especificações; tradução entre linguagens e paradigmas.
• Exercício prático em portátil e telemóvel: resolução de um problema de raiz.
3 — Fluxo de Trabalho na Prática
• Programação em par (pair programming) com a IA: geração, refactorização e explicação de código.
• Geração de testes unitários e de integração; depuração (debugging) assistida.
• Documentação automática, mensagens de commit e revisão de código (code review) apoiada por IA.
• Introdução aos fluxos agênticos (agentic workflows), ficheiros de regras e Model Context Protocol (MCP).
• Caso prático integrado, com partilha de ecrã e discussão entre pares.
4 — Qualidade, Segurança e Uso Responsável
• Revisão crítica do código gerado: correcção, desempenho, legibilidade e manutenibilidade.
• Riscos de segurança (introdução de vulnerabilidades) e fuga de informação sensível ou proprietária.
• Licenciamento, propriedade intelectual e proveniência do código gerado.
• Boas práticas organizacionais e o princípio da responsabilidade humana (human-in-theloop).
5 — Síntese, Boas Práticas e Encerramento
• Consolidação: integração sustentável da IA no fluxo de desenvolvimento e na equipa.
• Métricas de produtividade e armadilhas comuns a evitar.
• Esclarecimento de dúvidas, avaliação final e questionário de satisfação.

Forte componente prática e demonstrativa: programação em par (pair programming) com a IA e a discussão crítica de boas práticas, sem descurar as questões de qualidade, segurança e propriedade intelectual do código gerado.
Privilegia-se a aprendizagem ativa através da resolução de problemas reais e da discussão crítica entre pares. A formação privilegia a demonstração ao vivo.

Será emitido um Certificado, aos/às formandos/as com aproveitamento, no caso do alcance dos objetivos definidos e da participação em, pelo menos, 90% da duração da formação.

Profissionais da área do desenvolvimento de software, designadamente:
• Engenheiros de software e programadores (front-end, back-end e full-stack)
• Arquitectos de software e líderes técnicos (tech leads)
• Engenheiros de DevOps, de fiabilidade (SRE) e de qualidade (QA)
• Engenheiros de dados e profissionais que produzam código no seu trabalho.
• Demais profissionais com prática de programação

Exige-se alguma experiência prévia de programação em, pelo menos, uma linguagem (p. ex., Python, JavaScript/TypeScript, Java ou C#) e familiaridade com o controlo de versões (Git).