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 de 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 automatizada: RAGAS, DeepEval y evaluadores personalizados
- Puertas de calidad en CI/CD para despliegues de LLM
Barreras de seguridad y gobernanza de contenido
- Barreras de entrada y salida: NeMo Guardrails y Guardrails AI
- Detección de PII, filtrado de toxicidad y límites de temas
- 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, costo y métricas de calidad
- Detección de deriva (drift) en salidas de LLM y espacios de incrustación (embeddings)
- Rastreo a nivel de sesión para conversaciones multi-turno con agentes
- Paneles y alertas con LangSmith, Arize y OpenTelemetry
Pasarela de IA y orquestación de modelos
- Enrutamiento multi-proveedor con LiteLLM y Portkey
- Estrategias de respaldo, lógica de reintento y interruptores de circuito (circuit breakers)
- Selección de modelos consciente del costo y balanceo de carga
- Limitación de velocidad (rate limiting), 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 mediante decodificación restringida
- Patrones de agrupamiento (batching), transmisión (streaming) y concurrencia
- Optimización de la latencia entre proveedores de modelos
Gobernanza, cumplimiento y auditoría
- Registros de auditoría de LLM: logs de prompts, logs de respuestas y procedencia de decisiones
- Consideraciones de residencia de datos y privacidad para APIs de LLM
- Política como código (policy-as-code) para el uso de LLM dentro de las organizaciones
- Elaboración de un manual interno de operaciones de LLM
Requerimientos
- Experiencia construyendo o integrando aplicaciones potenciadas por LLM.
- Conocimiento familiaridad con Python y APIs REST.
- Comprensión básica de los conceptos de ingeniería de prompts.
Audiencia
- Ingenieros de ML y practicantes de MLOps que transicionan 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
