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
Arquitectura Avanzada de LangGraph
- Patrones de topología del grafo: nodos, aristas, enrutadores y subgrafos
- Modelado del estado: canales, paso de mensajes y persistencia
- DAG frente a flujos cíclicos y composición jerárquica
Rendimiento y Optimización
- Patrones de paralelismo y concurrencia en Python
- Caché, procesamiento por lotes (batching), llamadas a herramientas y transmisión (streaming)
- Control de costos y estrategias presupuestarias de tokens
Ingeniería de Confiabilidad
- Reintentos, tiempos de espera, retroceso exponencial y ruptura de circuitos (circuit breaking)
- Idempotencia y deduplicación de pasos
- Puntos de control y recuperación utilizando almacenes locales o en la nube
Depuración de Grafos Complejos
- Ejecución paso a paso y pruebas en seco (dry runs)
- Inspección del estado y rastreo de eventos
- Reproducción de problemas de producción mediante semillas (seeds) y elementos fijos (fixtures)
Observabilidad y Monitoreo
- Registro estructurado y trazado distribuido
- Métricas operativas: latencia, confiabilidad y uso de tokens
- Tableros de control (dashboards), alertas y seguimiento de SLO
Despliegue y Operaciones
- Empaquetado de grafos como servicios y contenedores
- Gestión de configuración y manejo de secretos
- Pipelines de CI/CD, lanzamientos progresivos y despliegues tipo canario (canaries)
Calidad, Pruebas y Seguridad
- Pruebas unitarias, por escenario y arneses automatizados de evaluación
- Medidas de protección (guardrails), filtrado de contenido y manejo de datos personales (PII)
- Equipo rojo (red teaming) y experimentos de caos para la robustez
Resumen y Próximos Pasos
Requerimientos
- Comprensión de Python y programación asíncrona
- Experiencia en desarrollo de aplicaciones LLM
- Conocimiento básico de los conceptos de LangGraph o LangChain
Público Objetivo
- Ingenieros de plataformas de IA
- DevOps para IA
- Arquitectos de ML que gestionan sistemas LangGraph en producción
35 Horas