Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a LLMOps
- LLMOps vs MLOps: desafíos únicos de operar LLM
- Ciclo de vida de la aplicación LLM: prompt, evaluar, desplegar, monitorear
- Lista de verificación de preparación para producción en aplicaciones de GenAI
Gestión de prompts y versionado
- Sistemas de plantillas de prompts e inyección de variables
- Versionado semántico de prompts con pruebas de regresión automatizadas
- Registros de prompts y flujos de trabajo colaborativos
Evaluación de LLM a escala
- Dimensiones de evaluación: precisión, relevancia, seguridad y fundamentación (groundedness)
- Métricas de LLM como juez y pipelines de evaluación humana
- Frameworks de evaluación automatizada: RAGAS, DeepEval y evaluadores personalizados
- Puertas de calidad en CI/CD para despliegues de LLM
Salvaguardas de seguridad y gobernanza del contenido
- Salvaguardas de entrada y salida: NeMo Guardrails y Guardrails AI
- Detección de PII, filtrado de toxicidad y límites temáticos
- Estrategias de defensa contra jailbreak e inyección de prompts
- Pruebas de penetración (red-teaming) de aplicaciones LLM para asegurar la seguridad
Observabilidad y monitoreo de LLM
- Telemetría: uso de tokens, latencia, costos y métricas de calidad
- Detección de deriva (drift) en las salidas de LLM y espacios de embedding
- Rastreo a nivel de sesión para conversaciones de agentes multironda
- Tableros (dashboards) y alertas con LangSmith, Arize y OpenTelemetry
Puerta de enlace de IA y orquestación de modelos
- Enrutamiento multi-proveedor con LiteLLM y Portkey
- Estrategias de respaldo (fallback), lógica de reintento y disyuntores (circuit breakers)
- Selección de modelos consciente del costo y balanceo de carga
- Límite de tasas, gestión de cuotas y gobernanza de claves de API
Optimización del rendimiento
- Caché semántico con almacenes vectoriales y estrategias de coincidencia exacta
- Aplicación de salidas estructuradas con decodificación restringida
- Patrones de agrupación (batching), streaming y concurrencia
- Optimización de la latencia entre proveedores de modelos
Gobernanza, conformidad y auditoría
- Rastros de auditoría de LLM: registros de prompts, registros de respuestas y procedencia de decisiones
- Consideraciones de residencia de datos y privacidad para APIs de LLM
- Gobernanza mediante código (policy-as-code) para el uso de LLM dentro de las organizaciones
- Construcción de un manual operativo interno de LLM
Requerimientos
- Experiencia en la construcción o integración de aplicaciones potenciadas por LLM.
- Conocimientos básicos de Python y APIs REST.
- Comprensión básica de los conceptos de ingeniería de prompts.
Audiencia objetivo
- Ingenieros de ML y profesionales de MLOps que están transicionando a operaciones de LLM.
- Ingenieros de plataforma responsables de la infraestructura de LLM.
- Líderes técnicos que gestionan despliegues de GenAI en producción.
14 Horas
Reseñas (2)
Uso de prompts apropiados y eficaces
Marses Pacaldo
Curso - Generative AI and Prompt Engineering for Corporate Professionals
Traducción Automática
El estilo interactivo, los ejercicios
Tamas Tutuntzisz
Curso - Introduction to Prompt Engineering
Traducción Automática
