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 LangGraph y conceptos de grafos
- Por qué utilizar grafos para aplicaciones de LLM: orquestación frente a cadenas simples.
- Nodos, aristas y estado en LangGraph.
- Hola LangGraph: tu primer grafo ejecutable.
Gestión del estado y encadenamiento de instrucciones
- Diseño de instrucciones como nodos en el grafo.
- Transmisión de estado entre nodos y manejo de salidas.
- Patrones de memoria: contexto a corto plazo vs. persistido.
Ramificación, flujo de control y manejo de errores
- Enrutamiento condicional y flujos de trabajo de múltiples caminos.
- Reintentos, tiempos de espera y estrategias de respaldo.
- Idempotencia y reejecuciones seguras.
Herramientas e integraciones externas
- Invocación de funciones/herramientas desde nodos del grafo.
- Involucrar APIs REST y servicios dentro del grafo.
- Trabajo con salidas estructuradas.
Flujos de trabajo de recuperación aumentada (RAG)
- Fundamentos de ingestión de documentos y segmentación.
- Embeddings y almacenes vectoriales (por ejemplo, ChromaDB).
- Respuestas fundamentadas con citas.
Pruebas, depuración y evaluación
- Pruebas de tipo unitario para nodos y caminos.
- Rastreo y observabilidad.
- Verificaciones de calidad: factibilidad, seguridad y determinismo.
Fundamentos de empaquetado y despliegue
- Configuración del entorno y gestión de dependencias.
- Servicio de grafos a través de APIs.
- Versión de flujos de trabajo y actualizaciones progresivas.
Resumen y próximos pasos
Requerimientos
- Comprensión básica de la programación en Python.
- Experiencia con APIs REST o herramientas de línea de comandos (CLI).
- Conocimiento de conceptos sobre LLMs y fundamentos de ingeniería de instrucciones.
Público objetivo
- Desarrolladores e ingenieros de software nuevos en la orquestación de LLMs basada en grafos.
- Ingenieros de instrucciones y principiantes en IA que construyan aplicaciones de LLM de múltiples etapas.
- Profesionales de datos que exploren la automatización de flujos de trabajo con LLMs.
14 Horas