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 14 horas
Temario del curso
Soberanía de IA y Despliegue Local de LLM
- Riesgos de los LLM en la nube: retención de datos, entrenamiento con entradas, jurisdicción extranjera.
- Arquitectura de Ollama: servidor de modelos, registro y API compatible con OpenAI.
- Comparación con vLLM, llama.cpp y Text Generation Inference.
- Licencias de modelos: términos de Llama, Mistral, Qwen y Gemma.
Instalación y Configuración de Hardware
- Instalación de Ollama en Linux con soporte para CUDA y ROCm.
- Alternativa solo de CPU y optimización AVX/AVX2.
- Despliegue con Docker y mapeo de volúmenes persistentes.
- Configuración de múltiples GPU y estrategias de asignación de VRAM.
Gestión de Modelos
- Obtención de modelos del registro de Ollama: ollama pull llama3.
- Importación de modelos GGUF desde HuggingFace y TheBloke.
- Niveles de cuantización: compensaciones entre Q4_K_M, Q5_K_M y Q8_0.
- Cambio de modelos y límites de carga concurrente.
Archivos Modelfile Personalizados
- Sintaxis de Modelfile: FROM, PARAMETER, SYSTEM, TEMPLATE.
- Ajuste de temperatura, top_p y repeat_penalty.
- Ingeniería de indicaciones de sistema para comportamiento específico por rol.
- Creación y publicación de modelos personalizados en el registro local.
Integración de API
- Punto de extremo (endpoint) /v1/chat/completions compatible con OpenAI.
- Respuestas por streaming (streaming) y modo JSON.
- Integración con LangChain, LlamaIndex y aplicaciones personalizadas.
- Autenticación y limitación de tasa (rate limiting) con proxy inverso.
Optimización de Rendimiento
- Dimensionamiento de la ventana de contexto y gestión de la caché KV.
- Inferencia por lotes (batch) y manejo paralelo de solicitudes.
- Asignación de hilos de CPU y conocimiento de NUMA.
- Monitoreo de la utilización de GPU y la presión de memoria.
Seguridad y Cumplimiento
- Aislamiento de red para los puntos de extremo de servicio de modelos.
- Filterado de entradas y pipelines de moderación de salidas.
- Registro de auditoría de indicaciones y respuestas.
- Procedencia de modelos y verificación de hashes.
Requerimientos
- Administración intermedia de Linux y contenedores.
- Comprensión de alto nivel de aprendizaje automático y modelos transformadores.
- Conocimiento de APIs REST y JSON.
Público Objetivo
- Ingenieros y desarrolladores de IA que reemplazan API de LLM en la nube.
- Organizaciones con datos sensibles que impiden el uso de modelos en la nube.
- Equipos de gobierno y defensa que requieren modelos de lenguaje aislados (air-gapped).
