Inteligencia artificial en Amazon Web Services (AWS)

LangGraph es un marco de trabajo para construir aplicaciones LLM multi-actor con estado, mediante grafos composables que cuentan con estado persistente y control sobre la ejecución.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de plataformas de IA de nivel avanzado, DevOps para IA y arquitectos de ML que deseen optimizar, depurar, monitorear y operar sistemas LangGraph de calidad de producción.

Al finalizar esta capacitación, los participantes serán capaces de:

• Diseñar y optimizar topologías complejas de LangGraph para mejorar la velocidad, el costo y la escalabilidad.
• Garantizar la confiabilidad mediante reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control (checkpoint).
• Depurar y rastrear las ejecuciones del grafo, inspeccionar el estado y reproducir sistemáticamente los problemas que ocurren en producción.
• Instrumentar grafos con registros, métricas y trazas, desplegarlos en producción y monitorear los SLA y los costos.

Formato del Curso

• Clase interactiva y discusión.
• Abundantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación en vivo, impartida por un instructor en Guatemala (en el lugar o de forma remota), está dirigida a ingenieros que deseen implementar y gestionar dispositivos IoT en AWS.

Al final de esta capacitación, los participantes podrán construir una plataforma IoT que incluya la implementación y gestión de un backend, un gateway y dispositivos sobre AWS.

Esta formación en vivo impartida por un instructor en Guatemala (presencial o remota) está dirigida a desarrolladores que desean utilizar AWS Lambda para construir e implementar servicios y aplicaciones en la nube, sin necesidad de preocuparse por el aprovisionamiento del entorno de ejecución (servidores, máquinas virtuales, contenedores, disponibilidad, escalabilidad, almacenamiento, etc.).

Al finalizar esta formación, los participantes serán capaces de:

• Configurar AWS Lambda para ejecutar una función.
• Comprender FaaS (Funciones como Servicio) y las ventajas del desarrollo serverless.
• Crear, cargar y ejecutar funciones de AWS Lambda.
• Integrar funciones de Lambda con diferentes fuentes de eventos.
• Empaquetar, implementar, monitorear y solucionar problemas de aplicaciones basadas en Lambda.

Devstral es un marco de código abierto diseñado para construir y ejecutar agentes de programación que pueden interactuar con repositorios de código, herramientas de desarrollo y APIs con el fin de mejorar la productividad en ingeniería.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a ingenieros de ML de nivel intermedio a avanzado, equipos de herramientas de desarrollo y SREs que deseen diseñar, implementar y optimizar agentes de programación utilizando Devstral.

Al finalizar esta formación, los participantes serán capaces de:

• Instalar y configurar Devstral para el desarrollo de agentes de programación.
• Diseñar flujos de trabajo agénticos para la exploración y modificación de repositorios de código.
• Integrar agentes de programación con herramientas de desarrollo y APIs.
• Implementar mejores prácticas para el despliegue seguro y eficiente de agentes.

Formato del curso

• Clases interactivas y discusión grupal.
• Muchas actividades prácticas y ejercicios.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Los modelos Devstral y Mistral son tecnologías de inteligencia artificial de código abierto diseñadas para un despliegue flexible, ajuste fino e integración escalable.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a ingenieros de aprendizaje automático, equipos de plataforma e ingenieros de investigación de nivel intermedio a avanzado que deseen autoalojar, ajustar y gobernar los modelos Mistral y Devstral en entornos de producción.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y preparar entornos autoalojados para los modelos Mistral y Devstral.
• Aplicar técnicas de ajuste fino para optimizar el rendimiento en dominios específicos.
• Implementar versionado, monitoreo y gobernanza del ciclo de vida.
• Garantizar la seguridad, el cumplimiento normativo y el uso responsable de modelos de código abierto.

Formato del Curso

• Conferencia interactiva y debate.
• Ejercicios prácticos sobre autoalojamiento y ajuste fino.
• Implementación en laboratorio en vivo de pipelines de gobernanza y monitoreo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de las prácticas de DevOps y optimizar los procesos de desarrollo utilizando AWS Cloud9.

Al finalizar esta formación, los participantes podrán:

• Configurar y ajustar AWS Cloud9 para flujos de trabajo de DevOps.
• Implementar tuberías de integración continua y entrega continua (CI/CD).
• Automatizar procesos de prueba, monitoreo e implementación usando AWS Cloud9.
• Integrar servicios de AWS como Lambda, EC2 y S3 en los flujos de trabajo de DevOps.
• Utilizar sistemas de control de versiones como GitHub o GitLab dentro de AWS Cloud9.

Esta formación en vivo con instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen aprender a construir, desplegar y mantener eficazmente aplicaciones serverless en AWS Cloud9 y AWS Lambda.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la arquitectura serverless.
• Configurar AWS Cloud9 para el desarrollo de aplicaciones serverless.
• Desarrollar, probar e implementar aplicaciones serverless mediante AWS Lambda.
• Integrar AWS Lambda con otros servicios de AWS, como API Gateway y S3.
• Optimizar las aplicaciones serverless para mejorar su rendimiento y eficiencia de costes.

Esta formación en vivo, impartida por instructores en Guatemala (en línea o presencial), está dirigida a investigadores y profesionales de laboratorio con nivel principiante a intermedio que deseen procesar y analizar imágenes relacionadas con tejidos histológicos, glóbulos rojos, algas y otras muestras biológicas.

Al finalizar esta formación, los participantes podrán:

• Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
• Preprocesar y mejorar imágenes científicas para un análisis más preciso.
• Analizar imágenes cuantitativamente, incluida la contabilización de células y la medición de áreas.
• Automatizar tareas repetitivas utilizando macros y complementos (plugins).
• Personalizar flujos de trabajo para necesidades específicas de análisis de imágenes en la investigación biológica.

Resumen:

• Comprensión de la arquitectura de IoT y sus funciones principales.
• Exploración del concepto de "Cosas" y "Sensores", el Internet de las Cosas y la relación entre funciones empresariales y soluciones de IoT.
• Visión general integral de los componentes de software de IoT: hardware, firmware, middleware, infraestructura en la nube y aplicaciones móviles.
• Funciones clave de IoT: gestión de flotas, visualización de datos, FM (gestión de instalaciones) y DV (visualización de datos) basadas en SaaS, sistemas de alertas/alarmas, incorporación de sensores y "cosas", y geocercado.
• Fundamentos de la comunicación de dispositivos IoT a la nube utilizando MQTT.
• Conexión de dispositivos IoT a AWS mediante MQTT usando AWS IoT Core.
• Integración de AWS IoT Core con AWS Lambda para procesamiento y Amazon DynamoDB para almacenamiento de datos.
• Conexión de una Raspberry Pi a AWS IoT Core para una comunicación fluida de datos.
• Laboratorio práctico: Construcción de un dispositivo inteligente usando una Raspberry Pi y AWS IoT Core.
• Visualización de datos de sensores y comunicación con la interfaz web.

LangGraph es un marco de trabajo para construir aplicaciones de LLM (modelos de lenguaje grandes) con estado, multi-actor, mediante grafos composables con estado persistente y control sobre la ejecución.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones financieras basadas en LangGraph con una gobernanza adecuada, observabilidad y cumplimiento normativo.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de LangGraph específicos para finanzas, alineados con requisitos regulatorios y de auditoría.
• Integrar estándares y ontologías de datos financieros en el estado del grafo y las herramientas utilizadas.
• Implementar controles de confiabilidad, seguridad e intervención humana para procesos críticos.
• Desplegar, monitorear y optimizar sistemas LangGraph para mejorar el rendimiento, reducir costos y cumplir los SLAs.

Formato del Curso

• Clase interactiva y discusión grupal.
• Abundantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para coordinar los detalles.

LangGraph es un marco de trabajo para construir aplicaciones de LLM con estructura de grafo que soplan planificación, ramificación, uso de herramientas, memoria y ejecución controlable.

Esta formación en vivo e impartida por un instructor (en línea o presencial) está dirigida a desarrolladores principiantes, ingenieros de prompts y profesionales de datos que deseen diseñar y construir flujos de trabajo confiables y multietapa con LLM utilizando LangGraph.

Al finalizar esta formación, los participantes serán capaces de:

• Explicar los conceptos centrales de LangGraph (nodos, bordes, estado) y cuándo utilizarlos.
• Construir cadenas de prompts que ramifiquen, llamen a herramientas y mantengan la memoria.
• Integrar recuperación de datos y APIs externas en flujos de trabajo con grafos.
• Probar, depurar y evaluar aplicaciones de LangGraph para garantizar su fiabilidad y seguridad.

Formato del curso

• Conferencia interactiva y discusión guiada.
• Laboratorios dirigidos y recorrido por el código en un entorno sandbox.
• Ejercicios basados en escenarios sobre diseño, pruebas y evaluación.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

LangGraph permite el diseño de flujos de trabajo con estado y múltiples actores, impulsados por modelos de lenguaje grandes (LLM), ofreciendo un control preciso sobre las rutas de ejecución y la persistencia del estado. En el sector sanitario, estas capacidades son fundamentales para garantizar el cumplimiento normativo, la interoperabilidad y el desarrollo de sistemas de apoyo a la decisión que se alineen con los flujos de trabajo médicos.

Esta formación en línea o presencial, impartida por un instructor, está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y gestionar soluciones sanitarias basadas en LangGraph, abordando al mismo tiempo los desafíos regulatorios, éticos y operativos.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo específicos para el sector sanitario con LangGraph, teniendo en cuenta el cumplimiento normativo y la capacidad de auditoría.
• Integrar aplicaciones LangGraph con ontologías y estándares médicos (FHIR, SNOMED CT, ICD).
• Aplicar las mejores prácticas para garantizar fiabilidad, trazabilidad y explicabilidad en entornos sensibles.
• Desplegar, supervisar y validar aplicaciones LangGraph en entornos de producción sanitaria.

Formato del curso

• Clase interactiva y discusión.
• Ejercicios prácticos con casos de estudio del mundo real.
• Práctica de implementación en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

LangGraph es un marco de trabajo para construir aplicaciones de LLM (modelos de lenguaje grandes) con estado y múltiples actores mediante gráficos composables, con estado persistente y control preciso sobre la ejecución.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones legales basadas en LangGraph, con los controles necesarios de cumplimiento, trazabilidad y gobernanza.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de LangGraph específicos para el ámbito legal que preserven la auditoría y el cumplimiento normativo.
• Integrar ontologías legales y estándares de documentos en el estado del grafo y en el procesamiento.
• Implementar barreras de seguridad (guardrails), aprobaciones con intervención humana (human-in-the-loop) y rutas de decisión trazables.
• Desplegar, supervisar y mantener servicios de LangGraph en producción con capacidades de observabilidad y control de costos.

Formato del Curso

• Conferencia interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

LangGraph es un marco para componer flujos de trabajo de LLM estructurados como grafos, que admiten ramificación, uso de herramientas, memoria y ejecución controlable.

Esta capacitación en vivo impartida por instructores (en línea o presencial) está dirigida a ingenieros y equipos de producto con un nivel intermedio que desean combinar la lógica de grafos de LangGraph con bucles de agentes de LLM para construir aplicaciones dinámicas y conscientes del contexto, como agentes de soporte al cliente, árboles de decisión y sistemas de recuperación de información.

Al finalizar esta capacitación, los participantes podrán:

• Diseñar flujos de trabajo basados en grafos que coordinen agentes de LLM, herramientas y memoria.
• Implementar enrutamiento condicional, reintentos y mecanismos alternativos para garantizar una ejecución robusta.
• Integrar recuperación, APIs y salidas estructuradas en bucles de agentes.
• Evaluar, supervisar y endurecer el comportamiento de los agentes para garantizar confiabilidad y seguridad.

Formato del curso

• Conferencia interactiva y discusión guiada.
• Laboratorios dirigidos y recorridos por el código en un entorno de pruebas.
• Ejercicios de diseño basados en escenarios e revisiones entre pares.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

LangGraph es un marco de orquestación basado en grafos que permite flujos de trabajo condicionales y multi-escalón con LLMs y herramientas, ideal para automatizar y personalizar las tuberías de contenido.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de marketing intermedios, estrategas de contenido y desarrolladores de automatización que deseen implementar campañas de email dinámicas y ramificadas, así como tuberías de generación de contenido utilizando LangGraph.

Al final de esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de contenido y email con estructura de grafo y lógica condicional.
• Integrar LLMs, APIs y fuentes de datos para la personalización automatizada.
• Gestionar el estado, la memoria y el contexto a través de campañas multi-escalón.
• Evaluar, monitorear y optimizar el rendimiento del flujo de trabajo y los resultados de entrega.

Formato del Curso

• Conferencias interactivas y discusiones grupales.
• Prácticas hands-on implementando flujos de trabajo de email y tuberías de contenido.
• Ejercicios basados en escenarios sobre personalización, segmentación y lógica ramificada.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.