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 14 horas
Temario del curso
Soberanía de IA y despliegue local de LLM
- Riesgos de los LLM en la nube: retención de datos, entrenamiento con entradas, jurisdicción extranjera.
- Arquitectura de Ollama: servidor de modelos, registro y API compatible con OpenAI.
- Comparación con vLLM, llama.cpp y Text Generation Inference.
- Licencias de modelos: términos de Llama, Mistral, Qwen y Gemma.
Instalación y configuración de hardware
- Instalación de Ollama en Linux con soporte para CUDA y ROCm.
- Alternativa solo de CPU y optimización AVX/AVX2.
- Despliegue con Docker y mapeo de volúmenes persistentes.
- Configuración de múltiples GPU y estrategias de asignación de VRAM.
Gestión de modelos
- Descarga de modelos desde el registro de Ollama: ollama pull llama3.
- Importación de modelos GGUF desde HuggingFace y TheBloke.
- Niveles de cuantización: compensaciones de Q4_K_M, Q5_K_M, Q8_0.
- Cambio de modelos y límites de carga concurrente de modelos.
Modelfiles personalizados
- Escritura de sintaxis de Modelfile: FROM, PARAMETER, SYSTEM, TEMPLATE.
- Ajuste de temperatura, top_p y repeat_penalty.
- Ingeniería de prompts de sistema para comportamiento específico de rol.
- Creación y publicación de modelos personalizados en el registro local.
Integración de API
- Punto final compatible con OpenAI /v1/chat/completions.
- Respuestas en streaming y modo JSON.
- Integración con LangChain, LlamaIndex y aplicaciones personalizadas.
- Autenticación y limitación de tasa con proxy inverso.
Optimización de rendimiento
- Dimensionamiento de la ventana de contexto y gestión de la caché KV.
- Inferencia por lotes y manejo paralelo de solicitudes.
- Asignación de hilos de CPU y conciencia NUMA.
- Monitoreo de la utilización de GPU y presión de memoria.
Seguridad y cumplimiento
- Aislamiento de red para puntos finales de servicio de modelos.
- Filtrado de entradas y pipelines de moderación de salidas.
- Registro de auditoría de prompts y completados.
- Procedencia del modelo y verificación de hash.
Requerimientos
- Administración de Linux y contenedores a nivel intermedio.
- Comprensión de aprendizaje automático y modelos de transformadores a nivel alto.
- Familiaridad con API REST y JSON.
Público Objetivo
- Ingenieros de IA y desarrolladores que reemplazan API de LLM en la nube.
- Organizaciones con sensibilidad de datos que impiden el uso de modelos en la nube.
- Equipos gubernamentales y de defensa que requieren modelos de lenguaje aislados de red (air-gapped).
