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 LLM
- Ciclo de vida de la aplicación LLM: prompt, evaluar, desplegar, monitorear
- Lista de verificación de preparación para producción de 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
- Pipelines automatizados: RAGAS, DeepEval y evaluadores personalizados
- Controles de calidad en CI/CD para despliegues de LLM
Salvaguardas de seguridad y gobernanza de contenido
- Salvaguardas 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
- Red-teaming de aplicaciones LLM para asegurar la seguridad
Observabilidad y monitoreo de LLM
- Telemetría: uso de tokens, latencia, costos y métricas de calidad
- Detección de deriva en salidas de LLM y espacios de embedding
- Trazabilidad a nivel de sesión para conversaciones de agentes multironda
- Paneles y alertas con LangSmith, Arize y OpenTelemetry
Pasarela de IA y orquestación de modelos
- Enrutamiento multiproveedor con LiteLLM y Portkey
- Estrategias de fallback, lógica de reintento y disyuntores (circuit breakers)
- Selección de modelos consciente del costo y equilibrio de carga
- Limitación de tasa, gestión de cuotas y gobernanza de claves de API
Optimización del rendimiento
- Caché semántico con almacenes vectoriales y estrategias de coincidencia exacta
- Aplicación de salida estructurada con decodificación restringida
- Patrones de agrupamiento (batching), streaming y concurrencia
- Optimización de latencia entre proveedores de modelos
Gobernanza, cumplimiento y auditoría
- Huellas digitales 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
- Elaboración de un manual interno de operaciones de LLM
Requerimientos
- Experiencia construyendo o integrando aplicaciones impulsadas por LLM.
- Familiaridad con Python y APIs REST.
- Conocimiento básico de conceptos de ingeniería de prompts.
Audiencia
- Ingenieros de ML y practicantes de MLOps que transicionan a operaciones de LLM.
- Ingenieros de plataforma responsables de la infraestructura de LLM.
- Líderes técnicos que gestionan despliegues 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