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 LLMs
- El ciclo de vida de la aplicación LLM: prompt, evaluar, desplegar, monitorear
- Lista de verificación de preparación para producción en aplicaciones GenAI
Gestión y versionado de prompts
- Sistemas de plantillas de prompts e inyección de variables
- Versionado semántico para prompts con pruebas de regresión automatizadas
- Registros de prompts y flujos de trabajo de colaboración
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 automatizados: RAGAS, DeepEval y evaluadores personalizados
- Barreras de calidad en CI/CD para despliegues de LLM
Salvaguardas de seguridad y gobernanza de contenido
- Salvaguardas de entrada y salida: NeMo Guardrails y Guardrails AI
- Detección de PII, filtrado de toxicidad y límites de tema
- Estrategias de defensa contra jailbreak e inyección de prompts
- Red-teaming de aplicaciones LLM para garantizar la seguridad
Observabilidad y monitoreo de LLM
- Telemetría: uso de tokens, latencia, costo y métricas de calidad
- Detección de deriva en las salidas del LLM y espacios de incrustación (embedding)
- Rastreo a nivel de sesión para conversaciones de agentes multironda
- Paneles de control 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
- Limitación de velocidad, gestión de cuotas y gobernanza de claves API
Optimización del rendimiento
- Caché semántico con almacenes vectoriales y estrategias de coincidencia exacta
- Aplicación de salida estructurada con decodificación restringida
- Patrones de agrupamiento (batching), streaming y concurrencia
- Optimización de latencia entre proveedores de modelos
Gobernanza, cumplimiento normativo y auditoría
- Huellas 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
- Políticas como código (Policy-as-code) para el uso de LLM dentro de las organizaciones
- Construcción de un manual interno de operaciones de LLM
Requerimientos
- Experiencia construyendo o integrando aplicaciones potenciadas por LLM.
- Familiaridad con Python y APIs REST.
- Conocimiento básico de los conceptos de ingeniería de prompts.
Público objetivo
- Ingenieros de ML y profesionales de MLOps que están transitando hacia las 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
