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
Arquitectura y diseño de aplicaciones LLM
- Patrones comunes de aplicaciones de OpenAI para asistentes, copilotos y automatización de flujos de trabajo.
- Elección de la arquitectura adecuada según los requisitos de negocio, fiabilidad y experiencia del usuario.
- Transición desde código de prototipo hacia un diseño de aplicación mantenible.
Indicaciones (Prompting), contexto y salidas estructuradas
- Estructuración de instrucciones del sistema, usuario y desarrollador para lograr un comportamiento predecible.
- Diseño de indicaciones (prompts) para consistencia, control de tareas y respuestas más claras.
- Uso de salidas estructuradas para respaldar la lógica de la aplicación subsiguiente.
- Gestión de ventanas de contexto, estado de la conversación y calidad de la respuesta.
Uso de herramientas y orquestación de flujos de trabajo
- Uso de llamadas a funciones y flujos de trabajo habilitados para herramientas con servicios externos.
- Validación de entradas y salidas, manejo de errores y aplicación de comportamientos alternativos (fallback).
- Diseño de flujos de múltiples pasos para tareas comerciales prácticas.
Recuperación y anclaje a conocimientos (Knowledge Grounding)
- Identificación de cuándo es apropiada la generación aumentada por recuperación (RAG).
- Preparación de documentos y segmentación de contenido para una recuperación útil.
- Recuperación de contexto relevante y anclaje de respuestas en fuentes confiables.
Evaluación, barreras de seguridad (guardrails) y preparación operativa
- Definición de criterios de calidad y pruebas de flujos de trabajo frente a resultados esperados.
- Reducción de alucinaciones y manejo de solicitudes inseguras, irrelevantes o ambiguas.
- Monitoreo del uso, latencia, consumo de tokens y costos.
- Preparación de aplicaciones para el despliegue, soporte y mejora iterativa.
Taller de implementación práctica
- Construcción de una pequeña aplicación completa de OpenAI que combina indicaciones (prompting), salidas estructuradas, uso de herramientas y recuperación.
- Revisión de decisiones de diseño, problemas comunes y pasos prácticos siguientes para su uso en producción.
Requerimientos
- Conocimiento de los conceptos de modelos de lenguaje grande y desarrollo de aplicaciones basadas en API.
- Experiencia trabajando con APIs REST, JSON y flujos de trabajo de aplicaciones impulsados por indicaciones (prompt-driven).
- Experiencia intermedia de programación en Python, JavaScript o un lenguaje similar.
Audiencia objetivo
- Desarrolladores de software que construyen aplicaciones potenciadas por LLM.
- Ingenieros de IA y líderes técnicos que diseñan soluciones basadas en OpenAI.
- Equipos de producto y arquitectos de soluciones responsables de características de IA para producción.
7 Horas
