Temario del curso
Fundamentos de sistemas agentes en producción
- Arquitecturas agentes: bucles, herramientas, memoria y capas de orquestación
- Ciclo de vida de los agentes: desarrollo, despliegue y operación continua
- Desafíos de la gestión de agentes a escala de producción
Infraestructura y modelos de despliegue
- Despliegue de agentes en entornos contenerizados y de nube
- Patrones de escalado: escalado horizontal vs. vertical, concurrencia y limitación (throttling)
- Orquestación multi-agente y balanceo de cargas de trabajo
Monitoreo y observabilidad
- Métricas clave: latencia, tasa de éxito, uso de memoria y profundidad de llamadas del agente
- Seguimiento de la actividad del agente y grafos de llamadas
- Instrumentación para observabilidad utilizando Prometheus, OpenTelemetry y Grafana
Registro de eventos (logging), auditoría y cumplimiento normativo
- Logging centralizado y recolección estructurada de eventos
- Cumplimiento normativo y trazabilidad en flujos de trabajo agentes
- Diseño de registros de auditoría y mecanismos de reproducción (replay) para depuración
Ajuste de rendimiento y optimización de recursos
- Reducción de la sobrecarga de inferencia y optimización de ciclos de orquestación del agente
- Caché de modelos y incrustaciones (embeddings) ligeras para una recuperación más rápida
- Pruebas de carga y escenarios de estrés para tuberías de IA
Control de costos y gobernanza
- Comprensión de los impulsores de costos del agente: llamadas a API, memoria, potencia de cómputo e integraciones externas
- Seguimiento de costos a nivel de agente e implementación de modelos de recargo (chargeback)
- Políticas de automatización para prevenir la dispersión de agentes y el consumo de recursos ociosos
CI/CD y estrategias de lanzamiento para agentes
- Integración de tuberías de agentes en sistemas CI/CD
- Pruebas, versionado y estrategias de reversión para actualizaciones iterativas de agentes
- Lanzamientos progresivos y mecanismos de despliegue seguro
Recuperación ante fallos e ingeniería de confiabilidad
- Diseño para tolerancia a fallos y degradación elegante (graceful degradation)
- Patrones de reintento, tiempo de espera y interruptores de circuito para la confiabilidad del agente
- Respuesta a incidentes y marcos de análisis post-mortem para operaciones de IA
Proyecto final
- Construir y desplegar un sistema de IA agente con monitoreo completo y seguimiento de costos
- Simular carga, medir el rendimiento y optimizar el uso de recursos
- Presentar la arquitectura final y el panel de monitoreo a los compañeros
Resumen y próximos pasos
Requerimientos
- Sólido conocimiento de MLOps y sistemas de aprendizaje automático en producción
- Experiencia con despliegues contenerizados (Docker/Kubernetes)
- Familiaridad con herramientas de optimización de costos en la nube y observabilidad
Público objetivo
- Ingenieros de MLOps
- Ingenieros de Confiabilidad del Sitio (SRE)
- Gerentes de ingeniería que supervisan infraestructura de IA
Reseñas (3)
El instructor es paciente y muy útil. Conoce bien el tema.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Curso - Agentic AI for Business Automation: Use Cases & Integration
Traducción Automática
Buena mezcla de conocimiento y práctica
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Agentic AI for Enterprise Applications
Traducción Automática
La mezcla de teoría y práctica, así como de perspectivas de alto y bajo nivel
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Autonomous Decision-Making with Agentic AI
Traducción Automática