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
Fundamentos de la Depuración y Evaluación en Mastra
- Comprensión de los modelos de comportamiento del agente y sus modos de fallo
- Principios básicos de depuración dentro de Mastra
- Evaluación de acciones deterministas y no deterministas de los agentes
Configuración de Entornos para la Prueba de Agentes
- Configuración de entornos de prueba aislados y espacios de evaluación independientes
- Captura de registros, trazas y telemetría para un análisis detallado
- Preparación de conjuntos de datos y prompts para pruebas estructuradas
Depuración del Comportamiento de Agentes de IA
- Trazado de rutas de decisión y señales internas de razonamiento
- Identificación de alucinaciones, errores y comportamientos no deseados
- Uso de paneles de observabilidad para la investigación de causas raíz
Métricas de Evaluación y Marcos de Referencia (Benchmarking)
- Definición de métricas de evaluación cuantitativas y cualitativas
- Medición de precisión, consistencia y cumplimiento contextual
- Aplicación de conjuntos de datos de referencia para evaluaciones repetibles
Ingeniería de Fiabilidad para Agentes de IA
- Diseño de pruebas de fiabilidad para agentes que ejecutan tareas prolongadas
- Detección de deriva (drift) y degradación en el rendimiento del agente
- Implementación de salvaguardas para flujos de trabajo críticos
Procesos de Control de Calidad y Automatización
- Construcción de pipelines de control de calidad para evaluación continua
- Automatización de pruebas de regresión para actualizaciones de agentes
- Integración del control de calidad en CI/CD y flujos de trabajo empresariales
Técnicas Avanzadas para la Reducción de Alucinaciones
- Estrategias de prompts para reducir salidas no deseadas
- Bucles de validación y mecanismos de autoverificación
- Experimentación con combinaciones de modelos para mejorar la fiabilidad
Informes, Monitoreo y Mejora Continua
- Elaboración de informes de control de calidad y tableros de puntuación de agentes
- Monitoreo del comportamiento a largo plazo y patrones de error
- Iteración sobre los marcos de evaluación para sistemas en evolución
Resumen y Próximos Pasos
Requerimientos
- Comprensión del comportamiento de los agentes de IA y las interacciones con los modelos
- Experiencia en la depuración o prueba de sistemas de software complejos
- Familiaridad con herramientas de observabilidad o registro de eventos (logging)
Público Objetivo
- Ingenieros de control de calidad
- Ingenieros de fiabilidad de IA
- Desarrolladores responsables de la calidad y el rendimiento de los agentes
21 Horas
