Ponte en Contacto
 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.

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas