Solicitar información

Temario del curso

Introducción a LangGraph y conceptos básicos sobre grafos

  • ¿Por qué utilizar grafos para aplicaciones con modelos LLM? Diferencias entre orquestación compleja y cadenas simples.
  • Nodos, aristas y estado en LangGraph: aspectos esenciales a conocer.
  • Primeros pasos: ejecución del primer grafo con LangGraph.

Gestión del estado y encadenamiento de prompts

  • Diseño de prompts como nodos dentro del grafo.
  • Transferencia de información entre nodos y manejo adecuado de resultados obtenidos.
  • Mecanismos de memoria: contexto temporal frente a datos persistidos.

Bifurcaciones, flujos de control y manejo de errores

  • Enrutamiento condicional y definición de rutas múltiples en el grafo.
  • Estrategias recomendadas para reintentos, límites de tiempo y respuestas alternativas ante fallos.
  • Prácticas idóneas para garantizar ejecuciones seguras y repetibles.

Herramientas e integración con servicios externos

  • Llamadas a funciones o herramientas desde nodos definidos en el grafo.
  • Comunicación con APIs REST y otros servicios externos dentro del flujo gráfico.
  • Trabajo con salidas estructuradas generadas por los modelos.

Flujos de trabajo basados en recuperación de información

  • Conceptos básicos sobre importación y segmentación de documentos.
  • Uso de embeddings y repositorios vectoriales (como ChromaDB).
  • Generación de respuestas contextualizadas, acompañadas de referencias específicas.

Validación, diagnóstico y evaluación preliminar

  • Aplicación de técnicas de prueba similares a las utilizadas en programación unitaria para nodos y rutas del grafo.
  • Herramientas de rastreo y monitoreo del comportamiento de los flujos de trabajo.
  • Evaluación crítica: verificación de precisión factual, seguridad y coherencia lógica en las respuestas generadas.

Principios básicos para empaquetado e implementación

  • Configuración inicial del entorno de desarrollo y gestión adecuada de dependencias.
  • Publicación del grafo como servicio accesible a través de interfaces API.
  • Estrategias eficaces para versionado de flujos de trabajo y despliegue gradual de actualizaciones.

Resumen final y orientación hacia próximos pasos

Requerimientos

  • Conocimientos básicos de programación en Python
  • Experiencia previa con APIs REST o herramientas de línea de comandos
  • Familiaridad con conceptos generales sobre modelos LLM y técnicas de ingeniería de prompts

Público objetivo

  • Desarrolladores e ingenieros de software que se inician en la orquestación de modelos LLM mediante estructuras gráficas.
  • Ingenieros de prompts y personas sin experiencia previa en IA que deseen desarrollar aplicaciones complejas basadas en modelos LLM.
  • Profesionales del área de datos interesados en la automatización de flujos de trabajo mediante modelos de lenguaje.
 14 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 2900 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Próximos cursos

Categorías Relacionadas