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.
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.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales