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, evaluación, despliegue, monitoreo
- Lista de verificación de preparación para producción en aplicaciones GenAI
Gestión y versionado de prompts
- Sistemas de plantillas de prompts e inyección de variables
- Versionado semántico de prompts con pruebas de regresión automatizadas
- Registros de prompts y flujos de trabajo colaborativos
Evaluación de LLM a escala
- Dimensiones de evaluación: precisión, relevancia, seguridad, fundamentación (groundedness)
- Métricas de LLM como juez y pipelines de evaluación humana
- Frameworks de evaluación automatizada: RAGAS, DeepEval y evaluadores personalizados
- Controles 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 temáticos
- Estrategias de defensa contra jailbreak e inyección de prompts
- Realización de pruebas de intrusión (red-teaming) en 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 embeddings
- Rastreo a nivel de sesión para conversaciones multi-turno con agentes
- Paneles de control y alertas con LangSmith, Arize y OpenTelemetry
Pasarela de IA y orquestación de modelos
- Enrutamiento entre múltiples proveedores 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, gestión de cuotas y gobernanza de claves API
Optimización de rendimiento
- Caché semántico con almacenes vectoriales y estrategias de coincidencia exacta
- Aplicación de estructura de salida con decodificación restringida
- Patrones de agrupamiento (batching), streaming y concurrencia
- Optimización de la latencia entre proveedores de modelos
Gobernanza, cumplimiento y auditoría
- Trazabilidad de LLM: registros de prompts, registros de respuestas y procedencia de decisiones
- Consideraciones de residencia de datos y privacidad para APIs de LLM
- Políticas como código (policy-as-code) para el uso de LLM dentro de las organizaciones
- Construcción de un manual operativo interno para LLM
Requerimientos
- Experiencia construyendo o integrando aplicaciones potenciadas por LLM.
- Familiaridad con Python y APIs REST.
- Comprensión básica de conceptos de ingeniería de prompts.
Público objetivo
- Ingenieros de ML y profesionales de MLOps que se están transitando hacia operaciones de LLM.
- Ingenieros de plataforma responsables de la infraestructura de LLM.
- Líderes técnicos que gestionan implementaciones 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
