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 avanzada de LangGraph
- Patrones de topología del grafo: nodos, bordes, enrutadores y subgrafos.
- Modelado de estado: canales, paso de mensajes y persistencia.
- Flujos DAG frente a cíclicos y composición jerárquica.
Rendimiento y optimización
- Patrones de paralelismo y concurrencia en Python.
- Caché, lotes (batching), llamadas a herramientas y transmisión (streaming).
- Controles de costos y estrategias de presupuestación de tokens.
Ingeniería de confiabilidad
- Reintentos, tiempos de espera, retroceso exponencial y ruptura de circuitos (circuit breaking).
- Idempotencia y deduplicación de pasos.
- Puntos de control y recuperación usando almacenes locales o en la nube.
Depuración de grafos complejos
- Ejecución paso a paso y ensayos secos (dry runs).
- Inspección del estado y trazado de eventos.
- Reproducción de problemas de producción con semillas y datos ficticios (fixtures).
Observabilidad y monitoreo
- Registro estructurado y trazado distribuido.
- Métricas operativas: latencia, confiabilidad y uso de tokens.
- Paneles de control (dashboards), alertas y seguimiento de SLO.
Despliegue y operaciones
- Empaquetado de grafos como servicios y contenedores.
- Gestión de configuración y manejo de secretos.
- Pipelines de CI/CD, lanzamientos gradualmente (rollouts) y despliegues canario.
Calidad, pruebas y seguridad
- Pruebas unitarias, por escenario y harnesses de evaluación automatizados.
- Barreras de protección (guardrails), filtrado de contenido y manejo de PII.
- Pruebas con equipos rojos (red teaming) y experimentos de caos para robustez.
Resumen y próximos pasos
Requerimientos
- Comprensión de Python y programación asíncrona.
- Experiencia en desarrollo de aplicaciones con LLM.
- Conocimiento básico de conceptos de LangGraph o LangChain.
Público objetivo
- Ingenieros de plataformas de IA.
- DevOps para IA.
- Arquitectos de ML que manejan sistemas LangGraph de producción.
35 Horas