Solicitar información

Temario del curso

Introducción a los modelos de lenguaje grande y marcos de trabajo para agentes

  • Descripción general sobre el uso de modelos de lenguaje grande en la automatización de infraestructuras
  • Conceptos clave relacionados con flujos de trabajo multiagente
  • AutoGen, CrewAI y LangChain: aplicaciones prácticas en el ámbito DevOps

Configuración de agentes basados en LLM para tareas DevOps

  • Instalación de AutoGen y configuración de perfiles de agentes
  • Utilización de la API de OpenAI y otros proveedores de modelos de lenguaje grande
  • Creación de espacios de trabajo compatibles con entornos CI/CD

Automatización de flujos de trabajo relacionados con pruebas y calidad del código

  • Uso de prompts para que los LLM generen pruebas unitarias e integrales
  • Aplicación de agentes para aplicar normas de linting, reglas de commits y pautas de revisión del código
  • Síntesis automática de resúmenes y etiquetado de solicitudes de fusionado (pull requests)

Agentes basados en LLM para gestión de alertas y detección de cambios

  • Diseño de agentes que respondan ante notificaciones de fallos en los pipelines
  • Análisis de registros y trazas mediante modelos de lenguaje grande
  • Detección proactiva de cambios de alto riesgo o posibles configuraciones erróneas

Coordinación multiagente en entornos DevOps

  • Organización basada en roles para los agentes: planificador, ejecutor y revisor
  • Manejo de ciclos de mensajería entre agentes y gestión de memorias compartidas
  • Diseño de sistemas que permitan la intervención humana en procesos críticos

Seguridad, gobernanza y trazabilidad

  • Prevención de exposición de datos y garantía de seguridad al emplear modelos de lenguaje grande en infraestructuras
  • Auditoría de acciones ejecutadas por agentes y limitación de su alcance operativo
  • Seguimiento del comportamiento de los pipelines así como retroalimentación generada por los modelos

Casos prácticos reales y escenarios personalizados

  • Diseño de flujos de trabajo basados en agentes para la gestión de incidentes
  • Integración de agentes con herramientas como GitHub Actions, Slack o Jira
  • Prácticas recomendadas para escalar la integración de modelos de lenguaje grande en entornos DevOps

Resumen y próximos pasos

Requerimientos

  • Experiencia con herramientas DevOps y automatización de pipelines
  • Conocimientos prácticos de Python y flujos de trabajo basados en Git
  • Comprensión básica sobre modelos de lenguaje grande o experiencia previa en ingeniería de prompts

Público objetivo

  • Ingenieros innovadores y líderes de plataformas que integran inteligencia artificial
  • Desarrolladores especializados en modelos de lenguaje grande que trabajan en entornos DevOps o de automatización
  • Profesionales DevOps interesados en conocer marcos de trabajo basados en agentes inteligentes
 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