Cursos de Large Language Models (LLMs) en Mérida

Esta formación práctica impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de la alta dirección que desean comprender qué son los LLM, explorar su impacto potencial en las operaciones empresariales y evaluar el uso práctico de herramientas de IA como ChatGPT, Microsoft Copilot o Grok para tareas del mundo real, como la creación de contenido, el resumen de datos y el apoyo a la toma de decisiones.

Al finalizar esta formación, los participantes podrán:

• Comprender qué son los LLM y cómo funcionan herramientas como ChatGPT y Copilot.
• Utilizar técnicas de instrucción (prompting) para obtener resultados prácticos y confiables de los LLM.
• Evaluar casos de uso reales, como la redacción de correos electrónicos, el resumen de documentos y la automatización de la productividad.
• Identificar oportunidades de inversión y aplicaciones estratégicas para la adopción de IA.

Esta capacitación en vivo y dirigida por un instructor en Mérida (en línea o presencial) está dirigida a equipos de alta dirección que desean comprender el valor estratégico de los LLM y las herramientas empresariales de IA. Los participantes explorarán cómo integrar estas herramientas en flujos de trabajo de alto nivel, redactar mejores *prompts* y evaluar oportunidades para aumentar la productividad y el retorno de la inversión (ROI) mediante la adopción de IA.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender cómo funcionan los LLM y cómo herramientas como ChatGPT y Copilot los aplican.
• Utilizar interacciones basadas en *prompts* para automatizar y acelerar tareas.
• Aplicar herramientas de IA a escenarios reales, como la redacción de correos electrónicos, el resumen de informes y la revisión de acuerdos.
• Evaluar los beneficios estratégicos, las limitaciones y las consideraciones de licenciamiento para la adopción de LLM.

Este entrenamiento en vivo con instructores en Mérida (en línea o presencial) está dirigido a investigadores en IA, científicos de datos y desarrolladores de nivel intermedio a avanzado que deseen comprender, ajustar finamente e implementar los Modelos de Lenguaje Grande de Meta AI para diversas aplicaciones de procesamiento de lenguaje natural.

Al final de este entrenamiento, los participantes serán capaces de:

• Comprender la arquitectura y funcionamiento de los Modelos de Lenguaje Grande de Meta AI.
• Configurar y ajustar finamente los LLMs de Meta AI para casos de uso específicos.
• Implementar aplicaciones basadas en LLM, como resumen de textos, chatbots y análisis de sentimientos.
• Optimizar e implementar modelos de lenguaje grande de manera eficiente.

Esta formación práctica guiada por instructores en Mérida (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio, analistas de negocios y líderes tecnológicos que desean comprender los principios de la inteligencia artificial generativa y las aplicaciones de los LLM en entornos empresariales. Los participantes aprenderán sobre transformadores, ingeniería de prompts y consideraciones éticas al implementar estos modelos para soluciones del mundo real.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios fundamentales de la IA generativa y los modelos de lenguaje grande.
• Implementar y afinar LLMs para aplicaciones empresariales específicas.
• Aplicar técnicas de ingeniería de prompts para obtener salidas óptimas del modelo.
• Reconocer consideraciones éticas y gestionar los riesgos asociados a la implementación de LLMs.

Esta formación en vivo con instrucción en Mérida (en línea o presencial) está dirigida a profesionales de la IA de nivel intermedio, éticos, científicos de datos e ingenieros, así como a tomadores de decisiones y partes interesadas que deseen comprender y navegar por el panorama ético de los LLMs.

Al finalizar esta formación, los participantes podrán:

• Identificar problemas y desafíos éticos asociados con los LLMs.
• Aplicar marcos y principios éticos al despliegue de LLMs.
• Evaluar el impacto social de los LLMs y mitigar riesgos potenciales.
• Desarrollar estrategias para el desarrollo y uso responsable de la IA.

Esta capacitación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a practicantes de PLN de nivel intermedio, científicos de datos, creadores de contenido y traductores, así como a empresas globales que deseen utilizar LLMs para la traducción de idiomas y la creación de contenido multilingüe.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los principios del aprendizaje y la traducción interlingüística con LLMs.
• Implementar LLMs para traducir contenido entre varios idiomas.
• Crear y gestionar conjuntos de datos multilingües para entrenar LLMs.
• Desarrollar estrategias para mantener la consistencia y la calidad en la traducción.

Esta formación en vivo con instrucción presencial en Mérida (en línea o in situ) está dirigida a analistas financieros, científicos de datos y profesionales de la inversión de nivel intermedio que deseen aprovechar los LLM para el análisis y la predicción de los mercados financieros.

Al finalizar esta formación, los participantes podrán:

• Comprender la aplicación de los LLM en el análisis de los mercados financieros.
• Utilizar los LLM para procesar noticias financieras, informes y datos con el fin de obtener información relevante sobre el mercado.
• Desarrollar modelos predictivos para los precios de las acciones, las tendencias del mercado y los indicadores económicos.
• Integrar la información generada por los LLM en los procesos de toma de decisiones de inversión.

Esta formación en vivo con instructores en Mérida (en línea o presencial) está dirigida a científicos e investigadores de nivel intermedio en ciencias ambientales, analistas de datos y responsables políticos y defensores del medio ambiente que deseen utilizar LLM para la modelización y análisis ambiental.

Al final de esta formación, los participantes serán capaces de:

• Comprender la aplicación de los LLM en las ciencias ambientales.
• Utilizar LLM para analizar y modelar datos ambientales.
• Interpretar los resultados de los LLM para evaluaciones de impacto ambiental.
• Comunicar los hallazgos de manera efectiva para informar políticas y esfuerzos de conservación.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de VR y AR, diseñadores de juegos e ingenieros de IA con nivel intermedio que deseen incorporar LLMs en aplicaciones de VR y AR para crear entornos más atractivos y responsivos.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLMs en la creación de experiencias inmersivas de VR y AR.
• Desarrollar aplicaciones de VR y AR que utilicen LLMs para diálogos interactivos y creación de contenido.
• Integrar LLMs con herramientas de desarrollo de VR y AR para mejorar el compromiso del usuario.
• Aplicar las mejores prácticas para diseñar narrativas e interacciones impulsadas por IA en espacios virtuales.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a científicos de datos, ingenieros de aprendizaje automático y desarrolladores de software de nivel intermedio que desean aplicar Modelos de Lenguaje Grande (LLM) a datos multimodales para aplicaciones avanzadas de IA.

Al final de esta formación, los participantes serán capaces de:

• Comprender los principios del aprendizaje multimodal con LLM.
• Implementar LLM para procesar y analizar datos de texto, imagen y audio.
• Desarrollar aplicaciones que aprovechen las ventajas de la integración de datos multimodales.
• Evaluar el rendimiento de los sistemas LLM multimodales.

Este entrenamiento en vivo impartido por instructores en Mérida (en línea o presencial) está dirigido a profesionales de ciberseguridad y científicos de datos de nivel intermedio que deseen utilizar LLM para mejorar las medidas de ciberseguridad y la inteligencia sobre amenazas.

Al final de este entrenamiento, los participantes podrán:

• Comprender el papel de los LLM en la ciberseguridad.
• Implementar LLM para la detección y análisis de amenazas.
• Utilizar LLM para automatización y respuesta en seguridad.
• Integrar LLM con la infraestructura de seguridad existente.

Esta formación en vivo con instructor en Mérida (en línea o presencial) está dirigida a científicos de datos y analistas de negocios de nivel intermedio que desean utilizar modelos de lenguaje grandes (LLM, por sus siglas en inglés) para pronosticar tendencias y comportamientos en diversas industrias.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de los LLMs y su papel en el análisis predictivo.
• Implementar LLMs para analizar y pronosticar datos en diversas industrias.
• Evaluar la efectividad de los modelos predictivos utilizando LLMs.
• Integrar LLMs con las canalizaciones de procesamiento de datos existentes.

Esta formación presencial, impartida por un instructor en Mérida (en línea o in situ), está dirigida a científicos de datos de nivel intermedio que desean adquirir una comprensión integral y habilidades prácticas tanto en modelos de lenguaje grande (LLM) como en aprendizaje por refuerzo (RL).

Al finalizar esta formación, los participantes podrán:

• Comprender los componentes y la funcionalidad de los modelos de transformador.
• Optimizar y ajustar los LLM para tareas y aplicaciones específicas.
• Conocer los principios y metodologías centrales del aprendizaje por refuerzo.
• Aprender cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLMs para generar contenido de alta calidad, diverso e interesante en diversos ámbitos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender las capacidades de los LLMs y su aplicación en la generación de contenido.
• Configurar y utilizar LLMs para generar varios tipos de contenido.
• Aplicar buenas prácticas para el uso de *prompts* (*instrucciones*) y el ajuste fino de los LLMs para obtener los resultados deseados.
• Evaluar la calidad del contenido generado por IA y perfeccionarlo según audiencias específicas.
• Explorar técnicas avanzadas para la generación creativa y multimodal de contenido con LLMs.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a educadores, profesionales de EdTech e investigadores con distintos niveles de experiencia y experiencia que desean aprovechar los LLM para crear experiencias educativas personalizadas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura y las capacidades de los LLM.
• Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
• Diseñar plataformas de aprendizaje adaptativo que utilicen LLM para la personalización de contenido.
• Implementar estrategias basadas en LLM para mejorar el compromiso del estudiante y los resultados de aprendizaje.
• Evaluar la efectividad de los LLM en entornos educativos y tomar decisiones basadas en datos para mejoras.

Esta formación impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales de ML de nivel intermedio y desarrolladores de IA que desean ajustar y desplegar modelos con pesos abiertos como LLaMA, Mistral y Qwen para aplicaciones empresariales o internas específicas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el ecosistema y las diferencias entre los LLMs de código abierto.
• Preparar conjuntos de datos y configuraciones de ajuste fino para modelos como LLaMA, Mistral y Qwen.
• Ejecutar pipelines de ajuste fino utilizando Hugging Face Transformers y PEFT.
• Evaluar, guardar y desplegar modelos ajustados en entornos seguros.

Esta formación impartida por un instructor en vivo en <ubicación> (en línea o presencial) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el papel de los LLM en las tecnologías de voz.
• Implementar LLM para obtener un reconocimiento de voz preciso y una síntesis de voz con un sonido natural.
• Integrar LLM con motores de reconocimiento de voz y sintetizadores de voz.
• Evaluar y mejorar el rendimiento de los sistemas de voz utilizando LLM.
• Mantenerse actualizado sobre las tendencias actuales y las direcciones futuras en las tecnologías de voz.

Esta capacitación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de la atención al cliente y del área de TI con conocimientos desde nivel principiante hasta intermedio, quienes deseen implementar LLM para crear chatbots de atención al cliente receptivos e inteligentes.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos y la arquitectura de los Modelos de Lenguaje Grande (LLM).
• Diseñar e integrar LLM en sistemas de atención al cliente.
• Mejorar la capacidad de respuesta y la experiencia del usuario de los chatbots.
• Afrontar consideraciones éticas y garantizar el cumplimiento de las normas del sector.
• Desplegar y mantener un chatbot basado en LLM para aplicaciones del mundo real.

Esta capacitación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a científicos de datos e ingenieros de IA de nivel intermedio que desean ajustar finamente grandes modelos de lenguaje de forma más económica y eficiente utilizando métodos como LoRA, Ajuste Fino mediante Adaptadores y Ajuste Fino mediante Prefijos.

Al final de esta capacitación, los participantes podrán:

• Comprender la teoría detrás de los enfoques de ajuste fino eficiente en parámetros.
• Implementar LoRA, Ajuste Fino mediante Adaptadores y Ajuste Fino mediante Prefijos utilizando Hugging Face PEFT.
• Comparar las compensaciones entre rendimiento y costos de los métodos PEFT frente al ajuste fino completo.
• Desplegar y escalar LLM ajustados con requerimientos reducidos de cómputo y almacenamiento.

Esta formación en vivo dirigida por un instructor en Mérida (en línea o presencial) está dirigida a ingenieros de aprendizaje automático de nivel intermedio a avanzado, desarrolladores de IA y científicos de datos que deseen aprender a utilizar QLoRA para ajustar finamente grandes modelos de manera eficiente para tareas específicas y personalizaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la teoría detrás de QLoRA y las técnicas de cuantificación para LLMs.
• Implementar QLoRA en el ajuste fino de modelos de lenguaje grande para aplicaciones específicas de un dominio.
• Optimizar el rendimiento del ajuste fino con recursos computacionales limitados mediante la cuantificación.
• Desplegar y evaluar modelos ajustados finamente en aplicaciones del mundo real de manera eficiente.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a profesionales intermedios de datos y marketing que desean aplicar LLMs para analizar e interpretar el sentimiento del público a partir de diversas fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios del análisis de sentimiento y su aplicación mediante LLMs.
• Procesar y preparar conjuntos de datos para el análisis de sentimiento.
• Entrenar y ajustar finamente LLMs para reflejar con precisión el sentimiento en el texto.
• Analizar el sentimiento en tiempo real a partir de redes sociales y otras fuentes de texto.
• Integrar los hallazgos del análisis de sentimiento en las estrategias empresariales y los procesos de toma de decisiones.

Este entrenamiento en vivo dirigido por un instructor en Mérida (en línea o presencial) está dirigido a desarrolladores de software y escritores técnicos de nivel intermedio que deseen aprovechar los LLMs para agilizar su flujo de trabajo de codificación y crear documentación detallada y completa.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender el papel de los LLMs en la automatización de la generación de código y la documentación de software.
• Utilizar los LLMs para crear fragmentos de código precisos y eficientes, así como documentación.
• Integrar los LLMs en su ciclo de desarrollo de software para mejorar la productividad.
• Mantener estándares de documentación de alta calidad mediante herramientas automatizadas.
• Abordar consideraciones éticas y mejores prácticas para el uso de la inteligencia artificial en el desarrollo de software.

Esta formación en directo, con instructores, en Mérida (en línea o presencial), está dirigida a profesionales del ámbito empresarial y analistas de datos de nivel intermedio que deseen aprovechar la potencia de los LLM para extraer información estratégica.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
• Aplicar LLMs para analizar grandes conjuntos de datos y extraer información valiosa.
• Integrar análisis impulsados por LLM en los procesos estratégicos de toma de decisiones empresariales.
• Evaluar las consideraciones éticas y las mejores prácticas para el uso de LLM en entornos corporativos.
• Anticiparse a las tendencias futuras de la IA y prepararse para la evolución constante del panorama de la inteligencia empresarial.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores y científicos de datos de nivel intermedio a avanzado que desean dominar LlamaIndex para crear aplicaciones innovadoras impulsadas por modelos de lenguaje grandes.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar e instalar LlamaIndex para su uso con modelos de lenguaje grandes (LLM).
• Indexar y consultar conjuntos de datos personalizados mediante LlamaIndex para mejorar la funcionalidad de los LLM.
• Diseñar y desarrollar aplicaciones sofisticadas que utilicen LlamaIndex y modelos de lenguaje grandes.
• Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
• Navegar por las consideraciones éticas implicadas en el despliegue de aplicaciones impulsadas por modelos de lenguaje grandes.

Esta formación en vivo con instructor en Mérida (en línea o presencial) está dirigida a investigadores de IA de nivel intermedio, profesionales de aprendizaje automático y científicos de datos que deseen utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios y componentes de LlamaIndex.
• Ingerir y estructurar datos para su uso con LLM.
• Implementar el enriquecimiento contextual para mejorar el rendimiento de los modelos de IA.
• Integrar LlamaIndex en sistemas y flujos de trabajo de IA existentes.

Esta formación en vivo con instructor en Mérida (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean aprovechar el poder de la ingeniería de indicaciones y del aprendizaje con pocos ejemplos para optimizar el rendimiento de los LLM en aplicaciones del mundo real.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios de la ingeniería de indicaciones y el aprendizaje con pocos ejemplos.
• Diseñar indicaciones efectivas para diversas tareas de PLN.
• Aprovechar las técnicas de aprendizaje con pocos ejemplos para adaptar los LLM con mínimos datos.
• Optimizar el rendimiento de los LLM para aplicaciones prácticas.

LangGraph es un marco de trabajo para construir aplicaciones LLM con estado persistente y múltiples agentes, mediante grafos composables con estado permanente y control preciso sobre la ejecución.

Esta formación en vivo e impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones legales basadas en LangGraph, incorporando los controles necesarios de cumplimiento, trazabilidad y gobernanza.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de LangGraph específicos para el ámbito legal que preserven la auditabilidad y el cumplimiento normativo.
• Integrar ontologías legales y estándares de documentos en el estado del grafo y en los procesos de procesamiento.
• Implementar barreras de seguridad (guardrails), aprobaciones con intervención humana y caminos de decisión trazables.
• Desplegar, monitorear y mantener servicios LangGraph en entornos de producción con capacidades de observabilidad y control de costos.

Formato del Curso

• Conferencia interactiva y discusión en grupo.
• Numerosos ejercicios y práctica constante.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.

Esta formación, impartida por un instructor especializado (disponible en línea o presencial), está dirigida a ingenieros avanzados, especialistas en inteligencia artificial y líderes de equipos de localización que deseen implementar sistemas de modelos de lenguaje grandes (LLM) para traducción automatizada, evaluación de calidad y gobernanza empresarial.

Al finalizar esta formación, los participantes serán capaces de:

• Construir pipelines de localización con LLMs de grado empresarial, integrando modelos tanto abiertos como propietarios.
• Implementar flujos de trabajo de control de calidad automatizados y métricas de calidad para garantizar la consistencia en las traducciones.
• Establecer marcos de gobernanza y aprobación para la producción de contenido multilingüe.
• Desplegar sistemas de localización basados en LLM escalables y auditable, operando en entornos seguros.

IA para SQL es la aplicación de inteligencia artificial y modelos de lenguaje grandes (LLM, por sus siglas en inglés) para automatizar, optimizar y mejorar la forma en que se generan, ejecutan e interpretan las consultas SQL en entornos de datos empresariales.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a ingenieros de datos y líderes técnicos de nivel intermedio que deseen integrar capacidades de IA en los flujos de trabajo de SQL para habilitar consultas mediante lenguaje natural, optimización inteligente y análisis automatizado de datos.

Al finalizar esta formación, los participantes serán capaces de:

• Integrar modelos LLM como GPT, DeepSeek, LLaMA, Qwen y Mistral en entornos SQL.
• Construir pipelines de lenguaje natural a SQL para acceso conversacional a los datos.
• Implementar optimización de consultas basada en IA y detección de errores.
• Diseñar flujos de trabajo AI-SQL seguros, auditablescapaces de ser auditados y para uso empresarial.

Formato del curso

• Conferencias interactivas y discusión.
• Amplia cantidad de ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

LangGraph es un marco de trabajo para construir aplicaciones LLM multifuncionales con estado, mediante grafos compuestos con estado persistente y control sobre la ejecución.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones financieras basadas en LangGraph con la gobernanza, observabilidad y cumplimiento adecuados.

Al finalizar esta formación, los participantes podrán:

• Diseñar flujos de trabajo de LangGraph específicos para el sector financiero, alineados con los requisitos regulatorios y de auditoría.
• Integrar estándares financieros y ontologías en el estado del grafo y las herramientas utilizadas.
• Implementar controles de confiabilidad, seguridad e intervención humana para procesos críticos.
• Desplegar, monitorear y optimizar sistemas LangGraph para garantizar rendimiento, costos y SLA (Acuerdos de Nivel de Servicio).

Formato del curso

• Ponencias interactivas y discusiones.
• Feraces ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Vertex AI ofrece potentes herramientas para construir flujos de trabajo de LLM multimodales que integran texto, audio e imágenes en una sola canalización. Con el soporte de ventanas de contexto largo y parámetros de la API de Gemini, permite aplicaciones avanzadas en planificación, razonamiento e inteligencia multimodal.

Este curso en vivo con instructor (en línea o presencial) está dirigido a profesionales de nivel intermedio a avanzado que deseen diseñar, construir y optimizar flujos de trabajo de IA multimodal en Vertex AI.

Al finalizar esta capacitación, los participantes podrán:

• Aprovechar los modelos de Gemini para entradas y salidas multimodales.
• Implementar flujos de trabajo de contexto largo para razonamiento complejo.
• Diseñar canalizaciones que integren análisis de texto, audio e imágenes.
• Optimizar los parámetros de la API de Gemini para mejorar el rendimiento y la eficiencia de costos.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con flujos de trabajo multimodales.
• Ejercicios basados en proyectos para casos de uso aplicados de multimodalidad.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

LangGraph permite el diseño de flujos de trabajo con estado y múltiples actores, impulsados por modelos de lenguaje grandes (LLM), ofreciendo un control preciso sobre las rutas de ejecución y la persistencia del estado. En el sector de la salud, estas capacidades son fundamentales para garantizar el cumplimiento normativo, la interoperabilidad y el desarrollo de sistemas de apoyo a la decisión que se alineen con los flujos de trabajo médicos.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y gestionar soluciones de atención médica basadas en LangGraph, abordando los desafíos regulatorios, éticos y operativos.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de LangGraph específicos para el sector salud, pensando en el cumplimiento normativo y la auditabilidad.
• Integrar aplicaciones de LangGraph con ontologías y estándares médicos (FHIR, SNOMED CT, ICD).
• Aplicar las mejores prácticas para garantizar fiabilidad, trazabilidad y explicabilidad en entornos sensibles.
• Desplegar, monitorizar y validar aplicaciones de LangGraph en entornos de producción del sector salud.

Formato del curso

• Ponencias interactivas y sesiones de discusión.
• Ejercicios prácticos con casos reales.
• Práctica de implementación en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

Esta capacitación en vivo, impartida por instructores (en línea o presencial), está dirigida a desarrolladores de IA y especialistas en localización de nivel intermedio que deseen diseñar pipelines de traducción escalables y automatizados, utilizando tanto modelos propietarios como de código abierto.

Al finalizar esta capacitación, los participantes podrán:

• Diseñar e implementar flujos de trabajo de traducción utilizando frameworks y APIs modernos para LLMs.
• Integrar modelos de código abierto y comerciales en sistemas de traducción escalables.
• Optimizar la calidad de la traducción mediante ajuste fino, ingeniería de prompts y automatización.
• Implementar una infraestructura de traducción eficiente en costos y conforme a normativas para entornos empresariales.

LangGraph es un framework para construir aplicaciones LLM con estado y múltiples actores mediante grafos composibles, con estado persistente y control sobre la ejecución.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de plataformas de IA de nivel avanzado, DevOps para IA y arquitectos de ML que desean optimizar, depurar, monitorear y gestionar sistemas LangGraph de grado industrial.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar y optimizar topologías complejas de LangGraph para mejorar la velocidad, el coste y la escalabilidad.
• Fomentar la fiabilidad mediante reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control.
• Depurar y rastrear las ejecuciones del grafo, inspeccionar el estado y reproducir sistemáticamente los problemas de producción.
• Instrumentalizar los grafos con registros, métricas y trazas; desplegarlos en producción y monitorear SLA y costes.

Formato del curso

• Clase interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para coordinarlo.

Esta formación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean aprender a utilizar la IA generativa con LLM para diversas tareas y dominios.

Al finalizar esta formación, los participantes podrán:

• Explicar qué es la IA generativa y cómo funciona.
• Describir la arquitectura de transformador que impulsa a los LLM.
• Utilizar leyes empíricas de escalado para optimizar los LLM según distintas tareas y restricciones.
• Aplicar herramientas y métodos de vanguardia para entrenar, ajustar finamente (fine-tuning) e implementar LLM.
• Analizar las oportunidades y riesgos de la IA generativa para la sociedad y las empresas.

Los LLM (modelos de lenguaje grandes) y los marcos de agentes autónomos como AutoGen y CrewAI están redefiniendo cómo los equipos de DevOps automatizan tareas como el seguimiento de cambios, la generación de pruebas y la clasificación de alertas, simulando una colaboración y toma de decisiones similares a las humanas.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de nivel avanzado que deseen diseñar e implementar flujos de trabajo de automatización de DevOps potenciados por modelos de lenguaje grandes (LLM) y sistemas multi-agente.

Al finalizar esta formación, los participantes serán capaces de:

• Integrar agentes basados en LLM en flujos de trabajo CI/CD para una automatización inteligente.
• Automatizar la generación de pruebas, el análisis de commits y los resúmenes de cambios mediante agentes.
• Coordinar múltiples agentes para clasificar alertas, generar respuestas y proporcionar recomendaciones de DevOps.
• Construir flujos de trabajo seguros y mantenablez impulsados por agentes utilizando marcos de código abierto.

Formato del curso

• Clase interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

Postgres es una base de datos relacional avanzada y de código abierto que puede servir como fundamento para sistemas impulsados por IA y aplicaciones de inteligencia de datos.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de bases de datos y desarrolladores de nivel intermedio que desean integrar, administrar y optimizar capacidades de IA directamente dentro de Postgres.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y establecer extensiones de Postgres para cargas de trabajo con IA.
• Implementar embeddings y búsqueda por similitud utilizando pgvector.
• Integrar modelos de lenguaje grandes (LLMs) de código abierto y propietarios con Postgres para obtener información en tiempo real.
• Optimizar Postgres para manejar consultas y flujos de trabajo impulsados por IA.

Formato del curso

• Conferencia interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones impulsadas por LLM, como inyección de prompts, fugas de datos y salidas no filtradas, al tiempo que incorporan controles de seguridad como validación de entradas, supervisión humana en el bucle y guardias de salida.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades principales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como sandboxing, pruebas de penetración (red teaming) y revisión humana en el bucle en pipelines de grado productivo.

LangGraph es un marco de orquestación basado en gráficos que permite flujos de trabajo condicionales y multietapa con LLM y herramientas, ideal para automatizar y personalizar canales de contenido.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de marketing y estrategas de contenido de nivel intermedio, así como a desarrolladores de automatización que desean implementar campañas de correo electrónico dinámicas con ramificaciones y canales de generación de contenido utilizando LangGraph.

Al finalizar esta capacitación, los participantes podrán:

• Diseñar flujos de trabajo de contenido y correos electrónicos estructurados en gráficos con lógica condicional.
• Integrar LLM, APIs y fuentes de datos para la personalización automatizada.
• Administrar el estado, la memoria y el contexto en campañas multietapa.
• Evaluar, monitorear y optimizar el rendimiento del flujo de trabajo y los resultados de entrega.

Formato del curso

• Conferencias interactivas y discusiones grupales.
• Laboratorios prácticos para implementar flujos de trabajo de correos electrónicos y canales de contenido.
• Ejercicios basados en escenarios sobre personalización, segmentación y lógica de ramificación.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación en vivo con instrucción directa en Mérida (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen personalizar modelos preentrenados para tareas y conjuntos de datos específicos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los principios del afinamiento y sus aplicaciones.
• Preparar conjuntos de datos para el afinamiento de modelos preentrenados.
• Afinar grandes modelos de lenguaje (LLMs) para tareas de PLN (Procesamiento de Lenguaje Natural).
• Optimizar el rendimiento del modelo y abordar desafíos comunes.

LangGraph es un marco de trabajo para componer flujos de trabajo basados en LLM estructurados como grafos, que admiten ramificación, uso de herramientas, memoria y ejecución controlable.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a ingenieros de nivel intermedio y equipos de producto que deseen combinar la lógica de grafos de LangGraph con bucles de agentes LLM para construir aplicaciones dinámicas y conscientes del contexto, como agentes de atención al cliente, árboles de decisión y sistemas de recuperación de información.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo basados en grafos que coordinen agentes LLM, herramientas y memoria.
• Implementar enrutamiento condicional, reintentos y mecanismos de respaldo para una ejecución robusta.
• Integrar recuperación, APIs y salidas estructuradas en los bucles de agentes.
• Evaluar, monitorear y endurecer el comportamiento de los agentes para garantizar fiabilidad y seguridad.

Formato del curso

• Clase interactiva y discusión facilitada.
• Laboratorios guiados y recorridos por código en un entorno de prueba (sandbox).
• Ejercicios de diseño basados en escenarios y revisiones entre pares.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

LLMs para la comprensión, refactorización y documentación de código es un curso técnico centrado en la aplicación de modelos de lenguaje grande (LLMs) para mejorar la calidad del código, reducir la deuda técnica y automatizar tareas de documentación en equipos de desarrollo de software.

Esta formación práctica impartida por instructores (en línea o presencial) está dirigida a profesionales de software con un nivel intermedio a avanzado que deseen utilizar LLMs como GPT para analizar, refactorizar y documentar bases de código complejas o heredadas de manera más efectiva.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar LLMs para explicar el código, las dependencias y la lógica en repositorios desconocidos.
• Identificar y refactorizar antipatrones, mejorando la legibilidad del código.
• Generar automáticamente y mantener comentarios en línea, archivos README y documentación de API.
• Integrar los análisis impulsados por LLMs en los flujos de trabajo existentes de CI/CD y revisión de código.

Formato del curso

• Clases interactivas y discusión.
• Muchas ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Este entrenamiento en vivo impartido por un instructor en Mérida (en línea o presencial) está dirigido a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la inteligencia artificial que deseen utilizar LLM para realizar diversas tareas de PLN y crear contenido novedoso y diverso con diferentes propósitos.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Establecer un entorno de desarrollo con LLM y herramientas esenciales.
• Ejecutar expertamente tareas de CLN e ILN utilizando LLM.
• Extraer, inferir y utilizar grafos de conocimiento de manera efectiva.
• Generar y gestionar diálogos usando LLM para aplicaciones conversacionales.
• Evaluar la calidad y diversidad del contenido generado por LLM e inteligencia artificial generativa.
• Aplicar principios éticos, asegurando equidad y un uso responsable de los LLM.

LangGraph es un framework para construir aplicaciones LLM con estructura de grafo que admiten planificación, ramificación, uso de herramientas, memoria y ejecución controlable.

Esta formación impartida en vivo por instructores (en línea o presencial) está dirigida a desarrolladores principiantes, expertos en prompting y profesionales de datos que deseen diseñar y construir flujos de trabajo LLM multi-paso confiables mediante LangGraph.

Al finalizar esta formación, los participantes podrán:

• Explicar los conceptos centrales de LangGraph (nodos, aristas, estado) y cuándo utilizarlos.
• Construir cadenas de prompts que se ramifiquen, invoquen herramientas y mantengan la memoria.
• Integrar recuperación de información y APIs externas en flujos de trabajo basados en grafos.
• Probar, depurar y evaluar aplicaciones LangGraph para garantizar su fiabilidad y seguridad.

Formato del Curso

• Conferencias interactivas y discusiones guiadas.
• Laboratorios dirigidos y recorridos por el código en un entorno sandbox.
• Ejercicios basados en escenarios sobre diseño, pruebas y evaluación.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que deseen utilizar Modelos de Lenguaje Grande para diversas tareas de procesamiento del lenguaje natural.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya un LLM popular.
• Crear un LLM básico y ajustarlo finamente mediante fine-tuning en un conjunto de datos personalizado.
• Utilizar LLM para diferentes tareas de lenguaje natural, como resumización de textos, respuesta a preguntas, generación de texto y más.
• Depurar y evaluar LLM utilizando herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.

Esta capacitación en vivo impartida por instructores en Mérida (en línea o presencial) está dirigida a ingenieros y arquitectos de nivel intermedio que desean utilizar Tencent Hunyuan para implementar modelos grandes y MoE con menor latencia, mayor capacidad de procesamiento (throughput) y mejor control de costos.

Al finalizar esta capacitación, los participantes podrán: explicar patrones de despliegue de Hunyuan en producción, optimizar el rendimiento de la inferencia, implementar estrategias de agrupación de solicitudes (batching) y cuantización, y planificar operaciones de servicio escalables.

Esta capacitación en vivo, impartida por un instructor, en Mérida (en línea o presencial), está dirigida a desarrolladores de nivel intermedio, equipos técnicos de productos y profesionales de la inteligencia artificial que deseen utilizar los modelos de Hunyuan para crear aplicaciones multimodales destinadas a la generación y entrega de imágenes, contenido en 3D y video.

Al finalizar esta capacitación, los participantes podrán: construir flujos de trabajo basados en prompts, generar y revisar activos multimodales, servir las salidas mediante aplicaciones o APIs, e integrar las capacidades de Hunyuan con el stack de productos empresariales.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de la IA de nivel principiante / intermedio / avanzado que desean utilizar MCP para conectar asistentes de IA con herramientas externas, datos y servicios empresariales.

Al finalizar esta formación, los participantes podrán: explicar los conceptos del MCP, identificar los componentes clave de la arquitectura, configurar una integración básica y aplicar buenas prácticas de seguridad.

Esta capacitación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a arquitectos empresariales de nivel intermedio que deseen utilizar el Protocolo de Contexto del Modelo para diseñar plataformas de integración de agentes seguras, escalables y gobernables para entornos empresariales.

Al finalizar esta capacitación, los participantes serán capaces de: explicar la arquitectura de MCP y sus patrones empresariales, diseñar plataformas de integración seguras, aplicar controles de gobernanza y acceso, y evaluar opciones de implementación y escalado.

Esta formación en vivo impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores, arquitectos e ingenieros de plataforma de nivel intermedio que desean utilizar MCP para construir servidores y clientes confiables para despliegue y operación empresarial.

Al finalizar esta formación, los participantes podrán: explicar la arquitectura de MCP en la práctica, construir integraciones listas para producción, desplegar y observar servicios MCP, y aplicar patrones de versionado, resiliencia y soporte.

Esta formación en vivo con instructores en Mérida (en línea o presencial) está dirigida a líderes de TI de nivel intermedio, profesionales del cumplimiento normativo, equipos de seguridad y arquitectos empresariales que desean utilizar los principios y prácticas de gobernanza de la IA soberana para diseñar entornos de IA que protejan los datos confidenciales, respalden los requisitos de localización y reduzcan la dependencia de proveedores.

Al finalizar esta formación, los participantes podrán: explicar conceptos de IA soberana, evaluar opciones de alojamiento y gobernanza, definir controles para indicaciones y registros, y crear una hoja de ruta práctica de adopción.