Solicitar información
 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.
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