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 35 horas
Temario del curso
Introducción y Fundamentos del Diagnóstico
- Visión general de los modos de fallo en los sistemas de LLM y problemas específicos de Ollama
- Establecimiento de experimentos reproducibles y entornos controlados
- Kit de herramientas de depuración: registros locales, capturas de solicitudes/respuestas y sandboxes
Reproducción y Aislamiento de Fallos
- Técnicas para crear ejemplos mínimos de fallo y semillas
- Interacciones con estado versus sin estado: aislamiento de errores relacionados con el contexto
- Determinismo, aleatoriedad y control del comportamiento no determinista
Evaluación del Comportamiento y Métricas
- Métricas cuantitativas: precisión, variantes de ROUGE/BLEU, calibración y sustitutos de perplejidad
- Evaluaciones cualitativas: puntuación con humano en el bucle y diseño de rúbricas
- Comprobaciones de fidelidad específicas de la tarea y criterios de aceptación
Pruebas Automatizadas y Regresión
- Pruebas unitarias para prompts y componentes, pruebas de escenario y de extremo a extremo
- Creación de suites de regresión y líneas base de ejemplos dorados
- Integración de CI/CD para actualizaciones de modelos de Ollama y puertas de validación automatizadas
Observabilidad y Monitoreo
- Registros estructurados, trazas distribuidas e IDs de correlación
- Métricas operativas clave: latencia, uso de tokens, tasas de error y señales de calidad
- Alertas, tableros de control y SLI/SLO para servicios respaldados por modelos
Análisis Avanzado de la Causa Raíz
- Trazado a través de prompts graficados, llamadas a herramientas y flujos de múltiples turnos
- Diagnóstico comparativo A/B y estudios de ablandamiento
- Procedencia de los datos, depuración de conjuntos de datos y abordaje de fallos inducidos por los datos
Seguridad, Robustez y Estrategias de Corrección
- Mitigaciones: filtrado, anclaje, aumento de recuperación y andamiaje de prompts
- Patrones de reversión, canarización y despliegue por fases para actualizaciones de modelos
- Autopsias, lecciones aprendidas y bucles de mejora continua
Resumen y Próximos Pasos
Requerimientos
- Sólida experiencia en la construcción y despliegue de aplicaciones de LLM
- Familiaridad con los flujos de trabajo de Ollama y el alojamiento de modelos
- Confianza en el uso de Python, Docker y herramientas básicas de observabilidad
Público Objetivo
- Ingenieros de IA
- Profesionales de ML Ops
- Equipos de QA responsables de sistemas de LLM en producción
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.
Precio por grupo privado (formación online) desde 7250 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales