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.
Duración 7 horas
Temario del curso
De la generación de texto a las decisiones tipadas
- Lo que devuelve un modelo de decisión
- Decisiones de sistema uno frente a LLMs de razonamiento
- Perfil de costo y latencia de las decisiones acotadas
El panorama de los modelos de decisión de pesos abiertos
- Strands Decider 2B de AWS Labs
- Familias de pesos abiertos JEV y GEV
- Pplx-Decider, Liquid D1 y Clef
- Diferencias en licencias y despliegue
Por dentro de un modelo de decisión
- Torso de LLM sin cabeza de modelado de lenguaje
- Cabeza puntero puntuando sobre opciones candidatas
- De dónde proviene la puntuación de confianza
Ejecutando sus primeras decisiones
- Configuración local en CPU y GPU de consumo
- Formulación de preguntas y conjuntos de opciones
- Hacer varias preguntas en una sola pasada
- Umbrales y comportamiento de respaldo
Juzgando la calidad de las decisiones
- JevBench y benchmarks de decisiones
- Precisión frente a calibración
- Puntaje Brier y fiabilidad de la confianza
- Tasks donde un modelo de decisión es la herramienta incorrecta
Requerimientos
- Conocimiento básico de los grandes modelos de lenguaje y aplicaciones basadas en prompts.
- Manejo cómodo de la línea de comandos y scripts de Python.
- No se requiere experiencia en entrenamiento de aprendizaje automático.
Público
- Ingenieros de IA que evalúan modelos de decisión para flujos de trabajo de agentes
- Desarrolladores de software que reemplaman llamadas a LLMs por decisiones acotadas
- Arquitectos de soluciones y plataformas que diseñan arquitecturas de agentes
- Gerentes técnicos de producto que evalúan opciones de modelos de decisión