Solicitar información

Temario del curso

Arquitectura avanzada de LangGraph

  • Patrones en la topología de grafos: nodos, aristas, routers y subgrafos
  • Modelado del estado: canales, intercambio de mensajes y persistencia de datos
  • Flujos no cíclicos frente a flujos cíclicos y composición jerárquica de grafos

Rendimiento y optimización

  • Técnicas de paralelismo y concurrencia en Python
  • Uso eficiente del almacenamiento en caché, agrupación de peticiones, invocación de herramientas y transmisión continua de datos
  • Estrategias para limitar costos y gestionar el consumo de tokens

Ingeniería de fiabilidad

  • Mecanismos como reintentos, tiempos de espera, retrasos progresivos y ruptura de circuito
  • Aplicación de idempotencia y eliminación de redundancias en las operaciones del grafo
  • Uso de puntos de control para la recuperación frente a errores, ya sea localmente o en servicios cloud

Depuración de grafos complejos

  • Ejecución paso a paso y simulaciones sin modificaciones reales en el entorno
  • Inspección detallada del estado interno y rastreo de eventos generados durante la ejecución
  • Métodos para reproducir situaciones críticas observadas en producción mediante semillas y datos simulados

Observabilidad y monitoreo

  • Registro estructurado de información e implementación de trazas distribuidas para el análisis detallado
  • Medición clave del rendimiento: latencia, fiabilidad y uso de tokens en cada ejecución
  • Creación de paneles de control y mecanismos de alerta, así como seguimiento estricto de los objetivos de servicio definidos

Despliegue y operaciones continuas

  • Empaquetado eficaz de grafos como servicios o contenedores listos para su despliegue
  • Gestión inteligente de configuraciones y manejo seguro de credenciales confidenciales
  • Automatización del ciclo completo mediante pipelines CI/CD, lanzamientos controlados y estrategias de implementación canary

Calidad, validación y seguridad sistemática

  • Diseño y ejecución de pruebas unitarias, simulaciones contextuales y herramientas automáticas para la evaluación funcional
  • Implementación rigurosa de controles preventivos como filtrado de contenidos sensibles e identificación fiable de datos personales protegidos
  • Evaluaciones proactivas, como simulacros “red teaming” y experimentos intencionados para generar situaciones extremas, que refuerzan la estabilidad del sistema en entornos imprevisibles

Resumen final y siguientes pasos recomendados

Requerimientos

  • Conocimientos básicos de Python y programación asíncrona
  • Experiencia previa en desarrollo de aplicaciones con LLM
  • Familiaridad con conceptos fundamentales de LangGraph o LangChain

Público objetivo

  • Ingenieros de plataformas de IA
  • Profesionales DevOps especializados en inteligencia artificial
  • Arquitectos de Machine Learning responsables de gestionar sistemas LangGraph en producción
 35 Horas

Formación Corporativa a Medida

Soluciones de formación diseñadas exclusivamente para empresas.

  • Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
  • Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
  • Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Inversión

Precio por grupo privado (formación online) desde 7250 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Próximos cursos

Categorías Relacionadas