Solicitar información
 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.
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