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.
Programa del Curso
Introducción a los Modelos de Lenguaje Grande (LLMs) y los Entornos de Agentes Autónomos
- Visión general de los modelos de lenguaje grande en la automatización de infraestructura
- Conceptos clave en los flujos de trabajo multi-agente
- AutoGen, CrewAI y LangChain: casos de uso en DevOps
Configuración de Agentes LLM para Tareas de DevOps
- Instalación de AutoGen y configuración de perfiles de agentes
- Uso de la API de OpenAI y otros proveedores de LLM
- Configuración de espacios de trabajo y entornos compatibles con CI/CD
Automatización de Flujos de Trabajo de Pruebas y Calidad del Código
- Mandatos a los modelos de lenguaje para generar pruebas unitarias e integración
- Uso de agentes para aplicar reglas de linting, normas de commit y guías de revisión de código
- Sinopsis automatizada y etiquetado de solicitudes de extracción (pull requests)
Agentes LLM para Manejo de Alertas y Detección de Cambios
- Diseño de agentes respuesta para alertas de fallos en la línea de producción
- Análisis de registros y trazados utilizando modelos de lenguaje
- Detección proactiva de cambios o configuraciones de alto riesgo
Coordinación Multi-Agente en DevOps
- Orquestación basada en roles (planificador, ejecutor, revisor)
- Bucles de mensajería y gestión de memoria de agentes
- Diseño con humano-en-bucle para sistemas críticos
Seguridad, Governance e Observabilidad
- Gestión de la exposición de datos y seguridad LLM en infraestructura
- Auditoría de acciones de agentes y restricción del alcance
- Rastreo del comportamiento de la línea de producción y retroalimentación del modelo
Casos Reales Use Case y Escenarios Personalizados
- Diseño de flujos de trabajo de agentes para respuesta a incidentes
- Integración de agentes con Acciones GitHub, Slack o Jira
- Mejores prácticas para la escalabilidad de la integración LLM en DevOps
Resumen y Próximos Pasos
Requerimientos
- Experiencia con la herramienta y automatización de la cadena de DevOps
- Conocimiento práctico de Python y flujos de trabajo basados en Git
- Comprensión de modelos de lenguaje masivos (LLMs) o exposición a la ingeniería de prompts
Público Objetivo
- Ingenieros de innovación y líderes de plataformas integradas con IA
- Desarrolladores LLM que trabajan en DevOps o automatización
- Profesionales de DevOps que exploran marcos de agentes inteligentes
14 Horas
Testimonios (1)
Entrenador respondiendo preguntas al vuelo.
Adrian
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática