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 CPU y optimización AVX/AVX2.
- Despliegue con Docker y mapeo de volúmenes persistentes.
- Configuración multi-GPU y estrategias de asignación de VRAM.
Gestión de Modelos
- Descarga de modelos del registro de Ollama: ollama pull llama3.
- Importación de modelos GGUF desde HuggingFace y TheBloke.
- Niveles de cuantización: compensaciones de Q4_K_M, Q5_K_M, Q8_0.
- Cambio de modelos y límites de carga concurrente.
Modelfiles Personalizados
- Sintaxis de Modelfile: FROM, PARAMETER, SYSTEM, TEMPLATE.
- Ajuste de temperatura, top_p y repeat_penalty.
- Ingeniería de indicaciones del sistema para comportamiento específico por rol.
- Creación y publicación de modelos personalizados en el registro local.
Integración de API
- Punto de finalización compatible con OpenAI: /v1/chat/completions.
- Respuestas en streaming y modo JSON.
- Integración con LangChain, LlamaIndex y aplicaciones personalizadas.
- Autenticación y limitación de tasa con proxy inverso.
Optimización de Rendimiento
- Tamaño de la ventana de contexto y gestión de caché KV.
- Inferencia por lotes y manejo de solicitudes paralelas.
- Asignación de hilos CPU y conciencia NUMA.
- Monitoreo de utilización de GPU y presión de memoria.
Seguridad y Cumplimiento
- Aislamiento de red para puntos de finalización de servicio de modelos.
- Filtrado de entradas y pipelines de moderación de salidas.
- Registro de auditoría de indicaciones y completaciones.
- Origen del modelo y verificación de hash.
Requerimientos
- Administración de Linux y contenedores a nivel intermedio.
- Comprensión de alto nivel de aprendizaje automático y modelos transformer.
- Conocimiento de API REST y JSON.
Público Objetivo
- Ingenieros y desarrolladores de IA que reemplazan API de LLM en la nube.
- Organizaciones con sensibilidad de datos que impide el uso de modelos en la nube.
- Equipos gubernamentales y de defensa que requieren modelos de lenguaje aislados (air-gapped).
