Producción en profundidad: diseño de sistemas, evaluaciones y decisiones arquitectónicas complejas.
48 resultados
Nada coincide con estos filtrosPrueba otra categoría u otro nivel, o borra los filtros para verlo todo.
17 minutosConfigurarás un flujo de programación con varios agentes y límites de revisión explícitos para que los cambios generados sigan siendo pequeños, estén probados y tengan un responsable.
56 minutosElaborarás un caso de ROI para un flujo de trabajo de IA con una referencia inicial, beneficios directos e indirectos, controles de calidad y una decisión explícita de detención.
41 minutosTomarás decisiones sobre construir frente a comprar IA en función del resultado, el control de los datos, la economía de las cargas de trabajo, la preparación de la infraestructura y la responsabilidad operativa.
20 minutosEvaluarás patrones prácticos de control de acceso para un RAG de conocimiento corporativo antes de indexar documentos internos confidenciales.
30 minutosCompararás el calendario histórico del vídeo con la legislación vigente de la UE y vincularás después los plazos actuales con las tareas de evidencias de proveedores y asignación de responsables que una pyme debe programar.
37 minutosEvaluarás la IA privada como una decisión de infraestructura y gobernanza, en lugar de elegir por instinto SaaS o alojamiento propio.
69 minutosReconocerás los modos de fallo que probablemente encontrarán primero tus agentes y planificarás de antemano las pruebas, los mecanismos alternativos y los criterios de retirada para cada uno.
7 minutosComprenderás por qué el procesamiento de documentos, la conservación de la estructura y los controles de calidad de la ingestión son importantes antes de crear un RAG sobre PDFs y formatos de archivo diversos.
6 minutosReconocerás la arquitectura básica de un agente de voz y los puntos de fallo que afectan a la confianza del cliente en llamadas reales.
211 minutosComprenderás el stack moderno de LLM con suficiente profundidad para razonar sobre tokens, entrenamiento, herramientas y fallos.
40 minutosEvaluarás ideas de producto con autonomía parcial en las que las personas conservan el control de las decisiones de alto riesgo.
190 minutosPodrás crear un agente LangGraph con estado tipado, enrutamiento condicional, puntos de control y herramientas, y valorar dónde compensa esa explicitud.
66 minutosPodrás configurar un equipo CrewAI con el modelo rol-objetivo-historia y comparar su bucle de ejecución oculto con grafos explícitos.
15 minutosDiseñarás bucles de agentes más sencillos, con reglas de parada, límites de tarea y puntos de control humano claros.
18 minutosReconocerás errores comunes antes de añadir varios agentes, prompts complejos o estado oculto.
5 minutosComprenderás por qué el control basado en capturas es potente, lento, costoso y frágil frente a la automatización nativa mediante API.
8 minutosDecidirás dónde pueden aportar valor comercial los agentes de navegador o de control del ordenador pese a su riesgo operativo.
22 minutosAplicarás los patrones de escribir, seleccionar, comprimir y aislar para gestionar deliberadamente el contexto de los agentes.
8 minutosComprenderás cómo falla el contexto largo ante la ambigüedad y los distractores, y diseñarás pruebas que cubran ese riesgo.
19 minutosPodrás estimar cuándo compensa la caché de prompts comparando el recargo de escritura con el ahorro de lectura para tus cargas reales.
56 minutosUtilizarás la caché de prompts solo cuando los prefijos estables y el comportamiento de latencia y coste encajen con la carga.
55 minutosDiseñarás una escala de evaluaciones que detecte regresiones antes de que los cambios en los prompts o los modelos lleguen a los usuarios.
19 minutosVerás cómo un equipo de producción combina aserciones, revisión humana y LLM jueces para hacer aflorar las regresiones antes del lanzamiento.
157 minutosPodrás ejecutar de principio a fin fine-tuning con cuantización, LoRA y QLoRA en hardware que la mayoría de los desarrolladores ya posee.
59 minutosSituarás el fine-tuning dentro del pipeline general de entrenamiento y decidirás cuándo resulta preferible al prompting o a RAG.
104 minutosComprenderás cómo encaja MCP en los sistemas agénticos más allá de un servidor local de demostración.
75 minutosCrearás tu primer servidor MCP y comprenderás cómo encajan las herramientas, los esquemas, los prompts, los recursos y los transportes.
19 minutosMejorarás el diseño de las herramientas para que los agentes elijan la acción correcta con los parámetros adecuados.
29 minutosDecidirás qué comportamiento corresponde al prompt del sistema, a la descripción de la herramienta o a sus precondiciones.
7 minutosSepararás las decisiones sobre memoria a corto y largo plazo y decidirás cuándo debe escribir memoria el agente.
44 minutosPodrás conectar mediante código memoria episódica, semántica, de trabajo y procedimental a un agente, no solo nombrar las categorías.
9 minutosPodrás navegar por trazas, proyectos y conjuntos de datos en LangSmith, y consultar el coste en tokens, la latencia, la tasa de errores y el detalle de cada span.
154 minutosConectarás las trazas, la evaluación, los comentarios y la revisión de producción en un ciclo operativo para sistemas con LLM.
17 minutosComprenderás qué falla cuando RAG llega a entornos empresariales regulados y de alto riesgo.
19 minutosIdentificarás los controles de producción que faltan en las demostraciones ingenuas de chat con documentos.
13 minutosModelarás la inyección de prompts como una mezcla de datos no fiables y diseñarás límites para el uso de herramientas.
17 minutosRevisarás defensas como el análisis de contaminación, la restricción de estructuras de salida, el aislamiento de usuarios, las configuraciones deterministas y las comprobaciones redundantes en rutas críticas.
9 minutosExplicarás cuándo la recuperación es la solución adecuada y cuándo puede ayudar realmente el fine-tuning.
13 minutosElegirás entre prompting, RAG, fine-tuning o una combinación según el modo de fallo real.
77 minutosEscucharás cómo los especialistas en prompts para producción revisan instrucciones, ejemplos y restricciones de comportamiento bajo presión real, en lugar de tratar los prompts como textos aislados.
25 minutosVerás cómo un prompt impreciso para reclamaciones de seguros se convierte en otro estructurado y comprobable, con ejemplos, reglas de salida y comportamiento de rechazo más claros.
39 minutosCompararás la recuperación con agentes y la recuperación mediante grafos en una implementación concreta.
16 minutosComprenderás el flujo de GraphRAG al estilo de Microsoft: extracción de entidades, comunidades, resúmenes y síntesis orientada a la consulta.
32 minutosComprenderás por qué los motores de inferencia, el procesamiento por lotes y la caché KV dominan la economía del alojamiento propio.
42 minutosEvaluarás cuándo los agentes de IA vertical crean una defensa competitiva real y cuándo solo son envoltorios superficiales.
34 minutosEvaluarás los precios y la especialización de un producto de IA en torno a resultados medibles, no al número de puestos.
41 minutosPodrás explicar qué garantiza el modo estricto, en qué se diferencia del antiguo modo JSON y cómo encaja la gestión de rechazos en el contrato de salidas estructuradas.
18 minutosAprenderás por qué las llamadas a LLM basadas en esquemas necesitan objetos tipados, validadores, reintentos y gestión explícita de los campos mal formados o inventados.
