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 7 horas
Temario del curso
De la Generación de Texto a las Decisiones Tipadas
- Lo que devuelve un modelo de decisión.
- Decisiones de sistema uno frente a LLMs de razonamiento.
- Perfil de costos y latencia de las decisiones acotadas.
El Panorama de los Modelos de Decisión con Pesos Abiertos
- Strands Decider 2B de AWS Labs.
- Familias JEV y GEV de pesos abiertos.
- Pplx-Decider, Liquid D1 y Clef.
- Diferencias en licencias y despliegue.
Dentro de un Modelo de Decisión
- Tronco (torso) de LLM sin cabeza de modelado de lenguaje.
- Score de la cabeza de punteros (pointer head) sobre opciones candidatas.
- Origen de la puntuación de confianza.
Ejecutando Sus Primeras Decisiones
- Configuración local en CPU y GPU de consumidor.
- Redacción de preguntas y conjuntos de opciones.
- Hacer varias preguntas en una sola pasada.
- Umbrales y comportamiento de respaldo.
Juzgando la Calidad de la Decisión
- JevBench y benchmarks de decisión.
- Precisión frente a calibración.
- Puntaje Brier y fiabilidad de la confianza.
- Tareas donde un modelo de decisión no es la herramienta adecuada.
Requerimientos
- Conocimientos básicos de los grandes modelos de lenguaje y aplicaciones basadas en prompts.
- Familiaridad con la línea de comandos y scripts de Python.
- No se requiere experiencia en el entrenamiento de modelos de aprendizaje automático.
Público Objetivo
- Ingenieros de IA que evalúan modelos de decisión para flujos de trabajo de agentes.
- Desarrolladores de software que reemplazan llamadas a LLM con decisiones acotadas.
- Arquitectos de soluciones y plataformas que diseñan arquitecturas de agentes.
- Gerentes de producto técnico que evalúan opciones de modelos de decisión.