Skip to content

como-usar-ai-como-de.md

Latest commit

 

History

History
300 lines (217 loc) · 6.34 KB

como-usar-ai-como-de.md

File metadata and controls

300 lines (217 loc) · 6.34 KB

Cómo usar AI como Data Engineer

La AI puede ser un copiloto poderoso para Data Engineers. Aprende cuándo y cómo usarla efectivamente.

🧠 ¿Cuándo usar AI?

✅ Usa AI para:

1. Generar código boilerplate

# Prompt: "Crea una función Python que lea un CSV y retorne un DataFrame con validación de esquema"
# La AI genera el código base, tú lo revisas y ajustas

2. Explicar código existente

# Selecciona código complejo y pregunta: "¿Qué hace este código?"
# La AI explica la lógica, tú validas que sea correcto

3. Refactorizar código

# Prompt: "Refactoriza esta función para que sea más legible y eficiente"
# La AI sugiere mejoras, tú decides qué aplicar

4. Generar documentación

# Prompt: "Genera docstrings para estas funciones siguiendo el estilo Google"
# La AI crea documentación, tú la revisas y ajustas

5. Crear tests

# Prompt: "Crea tests unitarios para esta función usando pytest"
# La AI genera tests, tú los ejecutas y ajustas

6. Debugging asistido

# Pega el error y pregunta: "¿Por qué falla este código?"
# La AI sugiere causas, tú investigas y solucionas

7. Generar queries SQL

-- Prompt: "Crea una query SQL que calcule ventas por mes con crecimiento mes a mes"
-- La AI genera la query, tú la validas y optimizas

❌ NO uses AI para:

1. Reemplazar tu entendimiento

  • ❌ No uses código que no entiendas
  • ❌ No copies sin revisar
  • ❌ No confíes ciegamente

2. Decisiones de arquitectura críticas

  • ❌ No dejes que AI diseñe sistemas complejos
  • ❌ No uses sugerencias sin validar impacto

3. Datos sensibles o secretos

  • ❌ No compartas datos reales con AI
  • ❌ No uses credenciales en prompts

4. Lógica de negocio compleja

  • ❌ No uses AI para reglas de negocio sin validar
  • ❌ No confíes en cálculos críticos sin verificar

🔄 Flujo de trabajo recomendado

1. Define el problema claramente

❌ Mal prompt:

"haz un pipeline"

✅ Buen prompt:

"Crea una función Python que:
1. Lea un archivo CSV de ventas
2. Valide que tenga las columnas: fecha, producto_id, cantidad, precio
3. Calcule el total (cantidad * precio)
4. Retorne un DataFrame con los datos procesados
5. Maneje errores si el archivo no existe"

2. Genera código con AI

Usa el prompt claro para generar código inicial.

3. Revisa y entiende

Siempre:

  • Lee el código generado
  • Entiende qué hace cada parte
  • Verifica la lógica

4. Valida y prueba

Siempre:

  • Ejecuta el código
  • Prueba casos edge
  • Verifica resultados

5. Ajusta y mejora

Siempre:

  • Refina según tus necesidades
  • Optimiza si es necesario
  • Documenta cambios importantes

🛠️ Herramientas recomendadas

Para código

  • Cursor: Editor con AI integrada (recomendado)
  • GitHub Copilot: Extensión para VS Code
  • ChatGPT/Claude: Para consultas y explicaciones

Para documentación

  • Cursor Chat: Para generar documentación
  • ChatGPT: Para explicar conceptos complejos

Para SQL

  • Cursor: Para generar queries SQL
  • ChatGPT: Para optimizar queries existentes

💡 Casos de uso prácticos

Caso 1: Crear pipeline ETL básico

Prompt:

"Crea un pipeline ETL en Python que:
1. Extraiga datos de un CSV
2. Transforme: limpie nulos, calcule totales
3. Cargue a Parquet
4. Incluya logging y manejo de errores"

Resultado: Código base que revisas y ajustas.

Caso 2: Explicar código complejo

Acción:

  1. Selecciona código que no entiendes
  2. Pregunta: "Explica qué hace este código paso a paso"
  3. La AI explica, tú validas

Caso 3: Optimizar query SQL

Prompt:

"Optimiza esta query SQL para que sea más rápida:
[pega tu query]

La tabla tiene índices en: fecha_venta, producto_id
Tiene 10 millones de filas"

Resultado: Sugerencias de optimización que validas.

Caso 4: Generar tests

Prompt:

"Crea tests unitarios para esta función usando pytest:
[pega tu función]

Incluye:
- Test de caso normal
- Test de caso edge (valores nulos)
- Test de error esperado"

🎯 Mejores prácticas

1. Prompts específicos

# ❌ Vago
"haz una función"

# ✅ Específico
"Crea una función Python llamada 'procesar_ventas' que:
- Recibe un DataFrame con columnas: fecha, producto_id, cantidad, precio
- Valida que todas las columnas existan
- Calcula total = cantidad * precio
- Retorna el DataFrame con una columna adicional 'total'
- Maneja errores con try/except y logging"

2. Contexto suficiente

# ✅ Proporciona contexto
"""
Estoy trabajando con un pipeline ETL que procesa ventas.
Necesito una función que:
- Lea de PostgreSQL (usando sqlalchemy)
- Transforme los datos
- Escriba a S3 en formato Parquet
- Use variables de entorno para credenciales
"""

3. Iteración y refinamiento

# Primera iteración: Genera código básico
# Segunda iteración: "Agrega validación de esquema"
# Tercera iteración: "Optimiza para grandes volúmenes"

4. Validación siempre

# ✅ Siempre valida
def funcion_generada_por_ai():
    # Código generado
    pass

# Ejecuta y verifica
resultado = funcion_generada_por_ai()
assert resultado is not None
assert len(resultado) > 0

🚨 Errores comunes

1. Confiar sin validar

# ❌ Mal
codigo_ai = generar_codigo()
ejecutar(codigo_ai)  # Sin revisar

# ✅ Bien
codigo_ai = generar_codigo()
revisar(codigo_ai)  # Entender qué hace
testear(codigo_ai)  # Probar
ejecutar(codigo_ai)  # Solo entonces

2. Prompts vagos

# ❌ Mal
"haz algo con datos"

# ✅ Bien
"Crea una función que procese ventas diarias y calcule totales por categoría"

3. No entender el código

# ❌ Mal
# Usar código sin entenderlo

# ✅ Bien
# Leer, entender, validar, luego usar

🎯 Ejercicios

  1. Genera un pipeline ETL básico con AI y revísalo
  2. Usa AI para explicar código complejo que no entiendas
  3. Genera tests para una función existente
  4. Optimiza una query SQL con ayuda de AI

🚀 Próximo paso

Continúa con Ejemplos de Prompts para ver prompts efectivos específicos.

Recuerda: La AI es un copiloto, no un piloto. Tú siempre estás al control y eres responsable del código que produces.