Cursos de Large Language Models (LLMs) en Ciudad de Guatemala

Esta capacitación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de la alta dirección que desean comprender qué son los LLM, explorar su posible impacto en las operaciones empresariales y evaluar usos prácticos de herramientas de IA como ChatGPT, Microsoft Copilot o Grok para tareas del mundo real, como creación de contenido, resumen de datos y apoyo en la toma de decisiones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender qué son los LLM y cómo funcionan herramientas como ChatGPT y Copilot.
• Utilizar técnicas de *prompting* para obtener resultados prácticos y confiables de los LLM.
• Evaluar casos de uso reales, como la redacción de correos electrónicos, el resumen de documentos y la automatización de la productividad.
• Identificar oportunidades de inversión y aplicaciones estratégicas para la adopción de IA.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a equipos de alta dirección que desean comprender el valor estratégico de los LLM y las herramientas de IA empresarial. Los participantes explorarán cómo integrar estas herramientas en flujos de trabajo estratégicos, redactar mejores prompts y evaluar oportunidades para aumentar la productividad y el retorno de la inversión (ROI) mediante la adopción de IA.

Al finalizar esta formación, los participantes podrán:

• Comprender cómo funcionan los LLM y cómo herramientas como ChatGPT y Copilot las aplican.
• Utilizar interacciones basadas en prompts para automatizar y acelerar tareas.
• Aplicar herramientas de IA a escenarios reales, como la redacción de correos electrónicos, el resumen de informes y la revisión de acuerdos.
• Evaluar los beneficios estratégicos, las limitaciones y las consideraciones de licencia para la adopción de LLM.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a investigadores en IA, científicos de datos y desarrolladores de nivel intermedio a avanzado que desean comprender, ajustar finamente e implementar los Modelos de Lenguaje Grande de Meta AI para diversas aplicaciones de PLN.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y el funcionamiento de los Modelos de Lenguaje Grande de Meta AI.
• Configurar y ajustar finamente los LLM de Meta AI para casos de uso específicos.
• Implementar aplicaciones basadas en LLM, como resumen de textos, chatbots y análisis de sentimientos.
• Optimizar e implementar modelos de lenguaje grande de manera eficiente.

Esta formación en vivo con instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de la IA de nivel intermedio, analistas de negocios y líderes tecnológicos que desean comprender los principios de la inteligencia artificial generativa y las aplicaciones de los LLM en entornos empresariales. Los participantes aprenderán sobre transformadores, ingeniería de comandos (prompt engineering) y consideraciones éticas al implementar estos modelos para soluciones del mundo real.

Al final de esta formación, los participantes podrán:

• Comprender los principios fundamentales de la inteligencia artificial generativa y los modelos de lenguaje grande.
• Implementar y ajustar finamente (fine-tune) LLM para aplicaciones comerciales específicas.
• Aplicar técnicas de ingeniería de comandos para obtener resultados óptimos del modelo.
• Reconocer las consideraciones éticas y gestionar los riesgos en el despliegue de LLM.

Esta formación en vivo con instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de la IA de nivel intermedio, éticos, científicos de datos e ingenieros, así como a responsables de políticas y partes interesadas que deseen comprender y navegar el panorama ético de los LLM.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar problemas y desafíos éticos asociados con los LLM.
• Aplicar marcos y principios éticos al despliegue de LLM.
• Evaluar el impacto social de los LLM y mitigar los riesgos potenciales.
• Desarrollar estrategias para el desarrollo y uso responsable de la IA.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a practicantes de PLN de nivel intermedio, científicos de datos, creadores de contenido y traductores, así como a empresas globales que desean utilizar modelos de lenguaje grandes para la traducción de idiomas y la creación de contenido multilingüe.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios del aprendizaje y la traducción multilingües con modelos de lenguaje grandes.
• Implementar modelos de lenguaje grandes para traducir contenido entre diversos idiomas.
• Crear y gestionar conjuntos de datos multilingües para entrenar modelos de lenguaje grandes.
• Desarrollar estrategias para mantener la consistencia y la calidad en la traducción.

Este curso en vivo, impartido por un instructor en Ciudad de Guatemala (en línea o en las instalaciones), está dirigido a analistas financieros intermedios, científicos de datos y profesionales de la inversión que deseen aprovechar los LLM para el análisis y la predicción en mercados financieros.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender la aplicación de los LLM en el análisis de mercados financieros.
• Utilizar LLM para procesar noticias financieras, informes y datos con el fin de obtener información estratégica del mercado.
• Desarrollar modelos predictivos para precios de acciones, tendencias del mercado e indicadores económicos.
• Integrar las perspectivas obtenidas mediante LLM en los procesos de toma de decisiones de inversión.

Esta formación práctica dirigida por instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a científicos e investigadores de nivel intermedio en ciencias ambientales, analistas de datos, tomadores de decisiones y defensores del medio ambiente que desean utilizar LLM para el modelado y análisis ambiental.

Al final de esta capacitación, los participantes podrán:

• Comprender la aplicación de los LLM en las ciencias ambientales.
• Utilizar los LLM para analizar y modelar datos ambientales.
• Interpretar las salidas de los LLM para evaluaciones del impacto ambiental.
• Comunicar eficazmente los hallazgos para informar las políticas y esfuerzos de conservación.

Esta formación práctica impartida por instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de VR y AR, diseñadores de juegos e ingenieros de IA de nivel intermedio que desean incorporar LLMs en aplicaciones de VR y AR para crear entornos más envolventes y receptivos.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLMs en la creación de experiencias inmersivas de VR y AR.
• Desarrollar aplicaciones de VR y AR que utilicen LLMs para diálogos interactivos y creación de contenido.
• Integrar LLMs con herramientas de desarrollo de VR y AR para mejorar el compromiso del usuario.
• Aplicar las mejores prácticas para diseñar narrativas e interacciones impulsadas por IA en entornos virtuales.

Esta formación en directo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a científicos de datos, ingenieros de aprendizaje automático y desarrolladores de software de nivel intermedio que deseen aplicar Modelos de Lenguaje Grande (LLM) a datos multimodales para aplicaciones avanzadas de IA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios del aprendizaje multimodal con LLM.
• Implementar LLM para procesar y analizar datos de texto, imagen y audio.
• Desarrollar aplicaciones que aprovechen las ventajas de la integración de datos multimodales.
• Evaluar el rendimiento de los sistemas de LLM multimodales.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de ciberseguridad y científicos de datos de nivel intermedio que deseen utilizar LLM para mejorar las medidas de ciberseguridad y la inteligencia sobre amenazas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el papel de los LLM en la ciberseguridad.
• Implementar LLM para la detección y análisis de amenazas.
• Utilizar LLM para la automatización de la seguridad y la respuesta a incidentes.
• Integrar LLM con la infraestructura de seguridad existente.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a científicos de datos y analistas de negocios de nivel intermedio que desean utilizar modelos de lenguaje grandes (LLMs) para pronosticar tendencias y comportamientos en diversas industrias.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de los LLMs y su papel en el análisis predictivo.
• Implementar LLMs para analizar y pronosticar datos en diversas industrias.
• Evaluar la efectividad de los modelos predictivos utilizando LLMs.
• Integrar LLMs con las canalizaciones existentes de procesamiento de datos.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a científicos de datos de nivel intermedio que desean adquirir una comprensión integral y habilidades prácticas tanto en Modelos de Lenguaje Grande (LLM) como en Aprendizaje por Refuerzo (RL).

Al finalizar esta formación, los participantes podrán:

• Comprender los componentes y la funcionalidad de los modelos de transformador.
• Optimizar y ajustar finamente los LLM para tareas y aplicaciones específicas.
• Comprender los principios y metodologías fundamentales del aprendizaje por refuerzo.
• Aprender cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que deseen aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en diversos ámbitos.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las capacidades de los LLM y su aplicación en la generación de contenido.
• Configurar y utilizar LLM para generar distintos tipos de contenido.
• Aplicar las mejores prácticas para el *prompting* (instrucción) y el ajuste fino (*fine-tuning*) de LLM con el fin de obtener los resultados deseados.
• Evaluar la calidad del contenido generado por inteligencia artificial y refinarlo para audiencias específicas.
• Explorar técnicas avanzadas para la generación creativa y multimodal de contenido con LLM.

Esta formación en vivo, impartida por un instructor, en Ciudad de Guatemala (en línea o presencial), está dirigida a educadores, profesionales de EdTech e investigadores con distintos niveles de experiencia y conocimientos que deseen aprovechar los LLM para crear experiencias educativas personalizadas.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y las capacidades de los LLM.
• Identificar oportunidades de personalización en el contenido educativo utilizando LLM.
• Diseñar plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
• Implementar estrategias basadas en LLM para mejorar el compromiso estudiantil y los resultados de aprendizaje.
• Evaluar la efectividad de los LLM en entornos educativos y tomar decisiones basadas en datos para realizar mejoras

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de aprendizaje automático (ML) y desarrolladores de IA de nivel intermedio que desean ajustar e implementar modelos de peso abierto como LLaMA, Mistral y Qwen para aplicaciones comerciales específicas o internas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el ecosistema y las diferencias entre los LLMs de código abierto.
• Preparar conjuntos de datos y configuraciones de ajuste fino para modelos como LLaMA, Mistral y Qwen.
• Ejecutar pipelines de ajuste fino utilizando Hugging Face Transformers y PEFT.
• Evaluar, guardar e implementar modelos ajustados en entornos seguros.

Esta formación impartida por un instructor en vivo en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de software y científicos de datos con conocimientos desde nivel principiante hasta intermedio que deseen implementar LLM en sistemas de reconocimiento y síntesis de voz.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLM en las tecnologías de voz.
• Implementar LLM para lograr un reconocimiento de voz preciso y una síntesis de voz natural.
• Integrar los LLM con motores de reconocimiento de voz y sintetizadores de voz.
• Evaluar y mejorar el rendimiento de los sistemas de voz utilizando LLM.
• Mantenerse al día sobre las tendencias actuales y las direcciones futuras en tecnologías de voz.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de atención al cliente y TI de nivel principiante e intermedio que deseen implementar LLM para crear chatbots de atención al cliente responsivos e inteligentes.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos y la arquitectura de los modelos de lenguaje grandes (LLM).
• Diseñar e integrar LLM en sistemas de atención al cliente.
• Mejorar la capacidad de respuesta y la experiencia del usuario de los chatbots.
• Afrontar consideraciones éticas y garantizar el cumplimiento de las normas del sector.
• Implementar y mantener un chatbot basado en LLM para aplicaciones del mundo real.

Esta formación en vivo, impartida por un instructor en Ciudad de Guatemala (en línea o presencial), está dirigida a científicos de datos e ingenieros de IA de nivel intermedio que deseen ajustar finamente los modelos de lenguaje grandes de manera más rentable y eficiente mediante métodos como LoRA, Adapter Tuning y Prefix Tuning.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la teoría detrás de los enfoques de ajuste fino eficiente en parámetros.
• Implementar LoRA, Adapter Tuning y Prefix Tuning utilizando Hugging Face PEFT.
• Comparar los compromisos entre rendimiento y costo de los métodos PEFT frente al ajuste fino completo.
• Desplegar y escalar LLMs ajustados finamente con requisitos reducidos de cómputo y almacenamiento.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a ingenieros de aprendizaje automático, desarrolladores de IA y científicos de datos de nivel intermedio a avanzado que deseen aprender a utilizar QLoRA para ajustar eficientemente grandes modelos para tareas específicas y personalizaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la teoría detrás de QLoRA y las técnicas de cuantificación para LLMs.
• Implementar QLoRA en el ajuste fino de modelos de lenguaje grandes para aplicaciones específicas del dominio.
• Optimizar el rendimiento del ajuste fino en recursos computacionales limitados mediante la cuantificación.
• Desplegar y evaluar modelos ajustados eficientemente en aplicaciones del mundo real.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLMs para analizar e interpretar el sentimiento del público a partir de diversas fuentes de texto, como publicaciones en redes sociales, reseñas de productos y retroalimentación de los clientes.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios del análisis de sentimiento y su aplicación mediante LLMs.
• Procesar y preparar conjuntos de datos para el análisis de sentimiento.
• Entrenar y ajustar finamente LLMs para reflejar con precisión el sentimiento en el texto.
• Analizar el sentimiento en tiempo real a partir de redes sociales y otras fuentes de texto.
• Integrar los hallazgos del análisis de sentimiento en las estrategias empresariales y los procesos de toma de decisiones.

Esta formación impartida por un instructor, en vivo en Ciudad de Guatemala (en línea o presencial), está dirigida a desarrolladores de software y redactores técnicos de nivel intermedio que deseen aprovechar los LLM para agilizar su flujo de trabajo de codificación y crear documentación detallada y exhaustiva.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
• Utilizar LLM para crear fragmentos de código precisos y eficientes, así como documentación.
• Integrar LLM en su ciclo de vida del desarrollo de software para mejorar la productividad.
• Mantener altos estándares de calidad en la documentación mediante herramientas automatizadas.
• Afrontar las consideraciones éticas y las mejores prácticas para el uso de la inteligencia artificial en el desarrollo de software.

Esta formación en vivo, impartida por un instructor en Ciudad de Guatemala (en línea o presencial), está dirigida a profesionales de negocios y analistas de datos con nivel intermedio que desean aprovechar el poder de los LLMs para extraer información valiosa sobre sus negocios.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos y las aplicaciones de los LLMs en el contexto de la inteligencia de negocios./li>
• Aplicar LLMs para analizar grandes conjuntos de datos y extraer información significativa./li>
• Integrar analíticas impulsadas por LLMs en los procesos de toma de decisiones estratégicas empresariales./li>
• Evaluar las consideraciones éticas y las mejores prácticas para utilizar LLMs en el ámbito empresarial./li>
• Anticiparse a las tendencias futuras en IA y prepararse para la evolución del panorama de la inteligencia de negocios./li>

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores y científicos de datos de nivel intermedio a avanzado que desean dominar LlamaIndex para crear aplicaciones innovadoras impulsadas por LLM.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y preparar LlamaIndex para su uso con LLM.
• Indexar y consultar conjuntos de datos personalizados mediante LlamaIndex para potenciar la funcionalidad de los LLM.
• Diseñar y desarrollar aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
• Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
• Navegar por las consideraciones éticas implicadas en el despliegue de aplicaciones basadas en LLM.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que desean utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios y componentes de LlamaIndex.
• Ingerir y estructurar datos para su uso con LLMs.
• Implementar el aumento contextual para mejorar el rendimiento de los modelos de IA.
• Integrar LlamaIndex en sistemas y flujos de trabajo de IA existentes.

Esta formación en vivo con instructores en <ubicación> (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean aprovechar el poder de la ingeniería de prompts y el aprendizaje con pocos ejemplos para optimizar el rendimiento de los LLM en aplicaciones del mundo real.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios de la ingeniería de prompts y el aprendizaje con pocos ejemplos.
• Diseñar prompts efectivos para diversas tareas de PLN.
• Aprovechar las técnicas de pocos ejemplos para adaptar los LLM con datos mínimos.
• Optimizar el rendimiento de los LLM para aplicaciones prácticas.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a ingenieros de nivel avanzado, especialistas en IA y líderes de localización que deseen implementar sistemas de modelos de lenguaje grande (LLM) para traducción automatizada, evaluación de la calidad y gobernanza empresarial.

Al finalizar esta capacitación, los participantes serán capaces de:

• Construir tuberías de localización LLM de nivel empresarial que integren modelos abiertos y propietarios.
• Implementar flujos de trabajo de aseguramiento de calidad (QA) automatizados y métricas de calidad para la consistencia de las traducciones.
• Establecer marcos de gobernanza y aprobación para la producción de contenido multilingüe.
• Desplegar sistemas de localización basados en LLM, escalables y auditables, en entornos seguros.

IA para SQL es la aplicación de la inteligencia artificial y los modelos de lenguaje grande (LLM) para automatizar, optimizar y mejorar la forma en que se generan, ejecutan e interpretan las consultas SQL dentro de entornos empresariales de datos.

Esta formación en vivo con instrucción presencial (en línea o a domicilio) está dirigida a ingenieros de datos y líderes técnicos de nivel intermedio que deseen integrar capacidades de IA en sus flujos de trabajo de SQL para permitir consultas mediante lenguaje natural, optimización inteligente y análisis automatizado de datos.

Al finalizar esta formación, los participantes podrán:

• Integrar modelos de lenguaje grande (LLM) como GPT, DeepSeek, LLaMA, Qwen y Mistral en entornos SQL.
• Crear pipelines de conversión de lenguaje natural a SQL para el acceso conversacional a datos.
• Implementar la optimización impulsada por IA y la detección de errores en las consultas.
• Diseñar flujos de trabajo seguros y auditables de IA-SQL para uso empresarial.

Formato del curso

• Clases interactivas y discusión grupal.
• Numerosos ejercicios y prácticas.
• 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 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.

Vertex AI ofrece herramientas poderosas para crear flujos de trabajo con modelos de lenguaje grandes (LLMs) multimodales, integrando datos de texto, audio e imagen en una única canalización. Gracias al soporte para ventanas de contexto largas y a los parámetros de la API de Gemini, permite desarrollar aplicaciones avanzadas en planificación, razonamiento e inteligencia multimodal.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, construir y optimizar flujos de trabajo de IA multimodal en Vertex AI.

Al finalizar esta capacitación, los participantes serán capaces de:

• Aprovechar los modelos Gemini para entradas y salidas multimodales.
• Implementar flujos de trabajo con contexto largo para razonamientos complejos.
• Diseñar canalizaciones que integren análisis de texto, audio e imagen.
• Optimizar los parámetros de la API de Gemini para lograr eficiencia en rendimiento y costos.

Formato del curso

• Clase interactiva y discusión grupal.
• Talleres prácticos con flujos de trabajo multimodales.
• Ejercicios basados en proyectos para casos de uso aplicados de IA multimodal.

Opciones de personalización del curso

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

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.

Esta capacitación en vivo y dirigida por instructores (en línea o presencial) está diseñada para desarrolladores de IA de nivel intermedio e ingenieros de localización que deseen diseñar pipelines de traducción escalables y automatizados utilizando tanto modelos propietarios como de código abierto.

Al finalizar esta capacitación, los participantes podrán:

• Diseñar y desplegar flujos de trabajo de traducción utilizando marcos de trabajo modernos de LLM y APIs.
• Integrar modelos de código abierto y comerciales en sistemas de traducción escalables.
• Optimizar la calidad de la traducción mediante ajuste fino, ingeniería de prompts y automatización.
• Implementar una infraestructura de traducción eficiente en costos y conforme a normativas para entornos empresariales.

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 Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean aprender a utilizar la inteligencia artificial generativa con LLM para diversas tareas y dominios.

Al finalizar esta formación, los participantes podrán:

• Explicar qué es la inteligencia artificial generativa y cómo funciona.
• Describir la arquitectura de transformador que impulsa a los LLM.
• Utilizar leyes de escalado empíricas para optimizar los LLM según distintas tareas y restricciones.
• Aplicar herramientas y métodos de última generación para entrenar, ajustar y desplegar LLM.
• Discutir las oportunidades y los riesgos de la inteligencia artificial generativa para la sociedad y los negocios.

Los LLM (modelos de lenguaje grandes) y los marcos de agentes autónomos, como AutoGen y CrewAI, están redefiniendo la forma en que los equipos de DevOps automatizan tareas como el seguimiento de cambios, la generación de pruebas y la clasificación de alertas, simulando la colaboración y la toma de decisiones similares a las humanas.

Esta formación impartida por un instructor (en línea o presencial) está dirigida a ingenieros de nivel avanzado que desean diseñar e implementar flujos de trabajo de automatización de DevOps impulsados por modelos de lenguaje grandes (LLM) y sistemas multiagente.

Al finalizar esta formación, los participantes serán capaces de:

• Integrar agentes basados en LLM en flujos de trabajo de CI/CD para una automatización inteligente.
• Automatizar la generación de pruebas, el análisis de commits y el resumen de cambios mediante agentes.
• Coordinar múltiples agentes para clasificar alertas, generar respuestas y proporcionar recomendaciones de DevOps.
• Crear flujos de trabajo seguros y fáciles de mantener con agentes, utilizando marcos de código abierto.

Formato del curso

• Clase interactiva 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, contáctenos para coordinarlo.

Postgres es una base de datos relacional avanzada y de código abierto que puede servir como base para sistemas impulsados por IA y aplicaciones de inteligencia de datos.

Esta capacitación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de bases de datos y desarrolladores de nivel intermedio que desean integrar, administrar y optimizar capacidades de IA directamente dentro de Postgres.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y establecer extensiones de Postgres para cargas de trabajo de IA.
• Implementar incrustaciones y búsquedas por similitud utilizando pgvector.
• Integrar modelos de lenguaje grandes (LLM) de código abierto y propietarios con Postgres para obtener información en tiempo real.
• Optimizar Postgres para manejar consultas y flujos de trabajo impulsados por IA.

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 capacitación personalizada para este curso, por favor contáctenos para organizarla.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de productos de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones impulsadas por LLM, como la inyección de comandos (prompt injection), fugas de datos y salidas no filtradas, mientras incorporan controles de seguridad como la validación de entradas, supervisión humana en el proceso (human-in-the-loop) y barreras de protección en las salidas.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades fundamentales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como el aislamiento (sandboxing), pruebas de penetración por equipos rojos (red teaming) y revisión humana en el proceso dentro de canalizaciones listas para producción.

Esta formación en vivo impartida por instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen personalizar modelos preentrenados para tareas y conjuntos de datos específicos.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios del ajuste fino y sus aplicaciones.
• Preparar conjuntos de datos para ajustar modelos preentrenados.
• Ajustar grandes modelos de lenguaje (LLMs) para tareas de PNL.
• Optimizar el rendimiento del modelo y abordar los desafíos comunes.

El curso «LLMs para la comprensión, refactorización y documentación de código» es un programa técnico centrado en aplicar modelos de lenguaje grandes (LLM) para mejorar la calidad del código, reducir la deuda técnica y automatizar tareas de documentación en equipos de software.

Esta formación presencial impartida por instructores (en línea o in situ) está dirigida a profesionales de software de nivel intermedio a avanzado que deseen utilizar modelos LLM como GPT para analizar, refactorizar y documentar de manera más efectiva bases de código complejas o heredadas.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar LLMs para explicar el código, las dependencias y la lógica en repositorios desconocidos.
• Identificar y refactorizar antipatrones y mejorar la legibilidad del código.
• Generar y mantener automáticamente comentarios en línea, archivos README y documentación de API.
• Integrar los insights impulsados por LLMs en los flujos de trabajo existentes de CI/CD y revisión.

Formato del curso

• Clase interactiva y discusión.
• Abundantes ejercicios y prácticas.
• 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 coordinarlo.

Esta formación en vivo dirigida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA e interesados en la IA que desean utilizar LLM para realizar diversas tareas de PLN y crear contenido novedoso y diverso para diferentes propósitos.

Al finalizar esta formación, los participantes serán capaces de:

• Establecer un entorno de desarrollo con LLM y herramientas esenciales.
• Realizar con maestría tareas de CLN e ILN con LLM.
• Extraer, inferir y utilizar grafos de conocimiento de manera efectiva.
• Generar y gestionar diálogos utilizando LLM para aplicaciones conversacionales.
• Evaluar la calidad y diversidad del contenido generado por LLM e inteligencia artificial generativa.
• Aplicar principios éticos, garantizando equidad y uso responsable de los LLM.

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.

Esta formación impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que deseen utilizar Modelos de Lenguaje Grande para diversas tareas de procesamiento del lenguaje natural.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya un LLM popular.
• Crear un LLM básico y ajustarlo finamente (fine-tuning) utilizando un conjunto de datos personalizado.
• Utilizar LLM para diferentes tareas de lenguaje natural, como resúmenes de texto, respuesta a preguntas, generación de texto y más.
• Depurar y evaluar LLM mediante herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a ingenieros de visibilidad y SRE que desean integrar LLM e IA en sus flujos de trabajo de monitorización, alertas y análisis de incidentes.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de soporte de TI que desean utilizar herramientas de IA y plataformas de automatización para optimizar los procesos de soporte, estandarizar las respuestas y reducir el esfuerzo manual en documentación.

Esta formación en vivo, impartida por un instructor, en Ciudad de Guatemala (en línea o presencial), está dirigida a ingenieros y arquitectos de nivel intermedio que desean utilizar Tencent Hunyuan para implementar modelos grandes y MoE con menor latencia, mayor capacidad de procesamiento (throughput) y mejor control de costos.

Al final de esta formación, los participantes podrán: explicar patrones de implementación de Hunyuan en producción, optimizar el rendimiento de la inferencia, implementar estrategias de agrupamiento de solicitudes (batching) y cuantización, y planificar operaciones de servicio escalables.

Esta formación en vivo dirigida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de nivel intermedio, equipos técnicos de producto y profesionales de IA que desean utilizar los modelos de Hunyuan para crear aplicaciones multimodales para generación y entrega de imágenes, 3D y video.

Al final de esta formación, los participantes podrán: construir flujos de trabajo basados en prompts, generar y revisar activos multimodales, entregar resultados a través de apps o APIs, y conectar las capacidades de Hunyuan con pilares de productos empresariales.

Objetivos del curso transformar a ingenieros de software e IA en ingenieros legales — las personas que pueden realmente construir sistemas de IA para tareas legales (eDiscovery, revisión, investigaciones).

En dos días, los participantes construirán la pila de código fundamental completa: ingestar y extraer datos legales reales y desordenados, buscarlos y recuperarlos, agregar generación aumentada por recuperación (RAG) con citas, mantener la privacidad en un modelo local y demostrarla, realizar una revisión de IA defendible con métricas listas para presentación judicial, y empacar el resultado para su despliegue.

Esta capacitación en vivo dirigida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de la IA de nivel principiante, intermedio o avanzado que desean utilizar MCP para conectar asistentes de IA con herramientas externas, datos y servicios empresariales.

Al finalizar esta capacitación, los participantes podrán: explicar los conceptos de MCP, identificar los componentes clave de la arquitectura, configurar una integración básica y aplicar buenas prácticas de seguridad.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a arquitectos empresariales de nivel intermedio que desean utilizar el Protocolo de Contexto del Modelo para diseñar plataformas de integración de agentes seguras, escalables y gestionables para entornos empresariales.

Al finalizar esta formación, los participantes podrán: explicar la arquitectura y los patrones empresariales de MCP, diseñar plataformas de integración seguras, aplicar gobernanza y controles de acceso, y evaluar opciones de implementación y escalado.

Esta capacitación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores, arquitectos e ingenieros de plataforma de nivel intermedio que desean utilizar MCP para construir servidores y clientes confiables para despliegue y operación empresarial.

Al finalizar esta capacitación, los participantes podrán: explicar la arquitectura de MCP en la práctica, construir integraciones listas para producción, desplegar y observar servicios MCP, y aplicar patrones de versionado, resiliencia y soporte.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a líderes de TI de nivel intermedio, profesionales del cumplimiento, equipos de seguridad y arquitectos empresariales que desean utilizar principios de IA soberana y prácticas de gobernanza para diseñar entornos de IA que protejan los datos confidenciales, respalden los requisitos de localización y reduzcan la dependencia de proveedores.

Al finalizar esta formación, los participantes podrán: explicar conceptos de IA soberana, evaluar opciones de alojamiento y gobernanza, definir controles para instrucciones y registros, y crear una hoja de ruta práctica para la adopción.