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 Ollama para la implementación de LLM
- Resumen de las capacidades de Ollama
- Ventajas de la implementación local de modelos de inteligencia artificial
- Comparación con soluciones de alojamiento de inteligencia artificial basadas en la nube
Configuración del entorno de implementación
- Instalación de Ollama y sus dependencias necesarias
- Configuración de hardware y aceleración por GPU
- Contenedización de Ollama mediante Docker para implementaciones escalables
Implementación de LLM con Ollama
- Carga y gestión de modelos de inteligencia artificial
- Despliegue de Llama 3, DeepSeek, Mistral y otros modelos
- Creación de API y puntos de enlace para acceder a los modelos de IA
Optimización del rendimiento de LLM
- Afinamiento (fine-tuning) de modelos para mejorar la eficiencia
- Reducción de latencia y mejora de los tiempos de respuesta
- Gestión de la memoria y asignación de recursos
Integración de Ollama en flujos de trabajo de IA
- Conexión de Ollama con aplicaciones y servicios
- Automatización de procesos impulsados por inteligencia artificial
- Uso de Ollama en entornos de computación perimetral (edge computing)
Monitoreo y mantenimiento
- Seguimiento del rendimiento y solución de problemas
- Actualización y gestión de modelos de inteligencia artificial
- Garantizar la seguridad y el cumplimiento normativo en implementaciones de IA
Escalado de implementaciones de modelos de inteligencia artificial
- Mejores prácticas para manejar cargas de trabajo elevadas
- Escalar Ollama para casos de uso empresariales
- Avances futuros en la implementación local de modelos de IA
Resumen y próximos pasos
Requerimientos
- Experiencia básica en aprendizaje automático y modelos de IA.
- Conocimiento de las interfaces de línea de comandos y la programación.
- Comprensión de entornos de implementación (local, borde o edge, nube).
Público objetivo
- Ingenieros de IA que optimicen despliegues de inteligencia artificial en entornos locales y basados en la nube.
- Practicantes de aprendizaje automático (ML) que implementan y afinen LLM.
- Especialistas de DevOps que gestionen la integración de modelos de IA.
14 Horas