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
- Resumen de modos de fallo en sistemas LLM y problemas específicos de Ollama
- Establecimiento de experimentos reproducibles y entornos controlados
- Conjunto de herramientas de depuración: registros locales, capturas de solicitudes/respuestas y aislamiento
Reproducción e aislamiento de fallos
- Técnicas para crear ejemplos de fallo mínimos y semillas
- Interacciones con estado vs. sin estado: aislamiento de errores relacionados con el contexto
- Determinismo, aleatoriedad y control del comportamiento no determinista
Evaluación de comportamiento y métricas
- Métricas cuantitativas: precisión, variantes de ROUGE/BLEU, calibración y aproximaciones de perplejidad
- Evaluaciones cualitativas: puntuación humana en el bucle y diseño de rúbricas
- Comprobaciones de fidelidad específicas por tarea y criterios de aceptación
Pruebas automatizadas y regresión
- Pruebas de unidad para prompts y componentes, pruebas de escenarios y extremo a extremo
- Creación de suites de regresión y líneas base de ejemplos dorados
- Integración CI/CD para actualizaciones de modelos Ollama y puertas de validación automatizadas
Observabilidad y supervisión
- 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 e SLIs/SLOs para servicios respaldados por modelos
Análisis avanzado de causas raíz
- Trazabilidad a través de prompts grafados, llamadas a herramientas y flujos de varios turnos
- Diagnóstico comparativo A/B y estudios de ablación
- Origen de los datos, depuración de conjuntos de datos y abordaje de fallos inducidos por datos
Seguridad, robustez y estrategias de remediación
- Mitigaciones: filtrado, anclaje, aumento de recuperación y estructura de prompts
- Patrones de retroceso, canarios y despliegue progresivo para actualizaciones de modelos
- Post-mortems, lecciones aprendidas y bucles de mejora continua
Resumen y siguientes pasos
Requerimientos
- Sólida experiencia construyendo e implementando aplicaciones LLM
- Familiaridad con flujos de trabajo de Ollama y alojamiento de modelos
- Dominio de Python, Docker y herramientas básicas de observabilidad
Público objetivo
- Ingenieros de IA
- Profesionales de MLOps
- Equipos de QA responsables de sistemas LLM de 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