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.
Duración 35 horas
Temario del curso
Arquitectura Avanzada de LangGraph
- Patrones de topología de grafos: nodos, aristas, enrutadores, subgrafos
- Modelado de estado: canales, paso de mensajes, persistencia
- Flujos DAG vs flujos cíclicos y composición jerárquica
Rendimiento y Optimización
- Patrones de paralelismo y concurrencia en Python
- Caché, lotes (batching), invocación de herramientas (tool calling) y transmisión (streaming)
- Controles de costo y estrategias de presupuestación de tokens
Ingeniería de Fiabilidad
- Reintentos, timeouts, retroceso (backoff) y fusibles (circuit breaking)
- Idempotencia y eliminación de duplicados en pasos
- Puntos de control (checkpointing) y recuperación utilizando almacenes locales o en la nube
Depuración de Grafos Complejos
- Ejecución paso a paso y pruebas de humo (dry runs)
- Inspección de estado y rastreo de eventos
- Reproducción de problemas de producción con semillas (seeds) y fijos (fixtures)
Observabilidad y Monitoreo
- Registro estructurado (structured logging) y trazado distribuido
- Métricas operativas: latencia, fiabilidad, 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, despliegues graduales (rollouts) y canaritos (canaries)
Calidad, Pruebas y Seguridad
- Pruebas unitarias, de escenarios y arneses de evaluación automatizados (eval harnesses)
- Barandillas (guardrails), filtrado de contenido y manejo de PII
- Equipos rojos (red teaming) y experimentos de caos para robustez
Resumen y Próximos Pasos
Requerimientos
- Comprensión de Python y programación asíncrona
- Experiencia en el desarrollo de aplicaciones LLM
- Familiaridad con conceptos básicos de LangGraph o LangChain
Público Objetivo
- Ingenieros de plataformas de IA
- DevOps para IA
- Arquitectos de ML que gestionan sistemas LangGraph en producción