Temario del curso
Fundamentos de arquitectura para sistemas de IA
- Capas, límites y separación de preocupaciones
- Puertos y adaptadores aplicados a componentes de IA
- Escenarios de atributos de calidad para funciones de IA
- Registros de decisiones de arquitectura como gobernanza
Evolución de una aplicación existente
- Modernización incremental en lugar de reescritura
- Colocación de servicios de IA junto a un monolito existente
- Patrones de estrangulador (strangler) y capas anticorrompimiento
- Puntos de integración para APIs y datos existentes
Patrones de arquitectura para la integración de LLM
- La puerta de entrada al modelo como límite de abstracción
- Integración síncrona, asíncrona y por flujo continuo
- Alternativas, degradación y conmutación ante fallos del proveedor
- Configuración de prompts y modelos como activos versionados
Contratos, APIs e intercambio de datos
- Esquemas de salida estructurados y validación
- Idempotencia, reintentos y limitación de tasa
- Presupuestos de latencia y orquestación de temporizadores
- Costo por solicitud como restricción arquitectónica
Arquitectura de RAG de extremo a extremo
- Pipeline de ingesta, segmentación y embebido
- Etapas de indexación, recuperación, reordenamiento y generación
- Ubicación de la recuperación en relación con los servicios de la aplicación
- Compromisos y modos de fallo en cada etapa
Bases de datos vectoriales y diseño de recuperación
- Almacenes vectoriales administrados frente a autoalojados
- Búsqueda densa, dispersa e híbrida
- Filtrado de metadatos y aislamiento de inquilinos (tenants)
- Estrategia de re-embebido cuando cambian los modelos
Calidad de recuperación, anclaje y evaluación
- Conjuntos de evaluación construidos a partir de consultas reales
- Métricas de calidad de recuperación y respuesta
- Citas, anclaje y contención de alucinaciones
- Bucles de retroalimentación hacia el índice
Arquitecturas de agentes
- El bucle del agente y la invocación de herramientas
- Flujos de trabajo deterministas frente a planificadores autónomos
- Casos donde un agente no es la respuesta correcta
- Delimitación de responsabilidades y estado de los agentes
Sistemas multiagente y orquestación
- Topologías de supervisor y orquestador
- Protocolos de transferencia y contratos de mensajes
- Memoria compartida y gestión de contexto
- Comparación de marcos de trabajo desde una perspectiva arquitectónica
Comunicación entre servicios y protocolos de herramientas
- Coordinación basada en eventos y colas
- Exposición de herramientas a través de protocolos estándar
- Sagas, compensación y transacciones de larga duración
- Observabilidad a través de saltos de servicio
Agentes de IA en el flujo de trabajo de desarrollo
- Agentes de codificación dentro del pipeline de entrega
- Desarrollo basado en especificaciones y puertas de revisión
- Generación de pruebas y verificaciones automatizadas de calidad
- Límites (guardrails) que preservan el control arquitectónico
Gobernanza y calidad del software
- Revisión de diseño para funciones de IA
- Gestión de cambios de modelos y prompts
- Evaluación de regresión como etapa del pipeline
- Propiedad, políticas y rutas de aprobación
Seguridad, privacidad y gobernanza de datos
- Inyección de prompts y defensa en profundidad
- Secretos, control de acceso y mínimo privilegio
- Residencia de datos, datos personales y retención
- Auditabilidad y controles con intervención humana
Escalabilidad, costos y observabilidad
- Pista de auditoría (tracing) a través de cadenas de agentes
- Telemetría de tokens y costos
- Caché y optimización de latencia
- Niveles de servicio y respuesta a incidentes para servicios de IA
Proyecto final: Arquitectura para una solución impulsada por IA
- Vistas de contexto, componentes y despliegue
- Diseño de orquestación de recuperación y agentes
- Plan de seguridad, gobernanza y costos
- Revisión entre pares, crítica y hoja de ruta de migración
Requerimientos
- Experiencia diseñando y manteniendo sistemas de software en producción
- Conocimiento práctico de APIs REST e integración de servicios
- Familiaridad con bases de datos relacionales y modelado de datos
- Exposición básica a herramientas o APIs basadas en LLM
Audiencia
- Arquitectos de software
- Líderes técnicos e ingenieros seniores
- Gerentes de ingeniería responsables de decisiones de arquitectura
Reseñas (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática