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
Arquitectura avanzada de LangGraph
- Patrones de topología del gráfico: nodos, aristas, enrutadores y subgráficos.
- Modelado del estado: canales, intercambio de mensajes y persistencia.
- DAG frente a flujos cíclicos y composición jerárquica.
Rendimiento y optimización
- Patrones de paralelismo y concurrencia en Python.
- Caché, procesamiento por lotes, invocación de herramientas y transmisión (streaming).
- Control de costos y estrategias de presupuestación de tokens.
Ingeniería de confiabilidad
- Reintentos, tiempos de espera, retroceso (backoff) y ruptura del circuito (circuit breaking).
- Idempotencia y deduplicación de pasos.
- Puntos de control (checkpointing) y recuperación usando almacenes locales o en la nube.
Depuración de gráficos complejos
- Ejecución paso a paso y ensayos generales (dry runs).
- Inspección del estado y rastreo de eventos.
- Reproducción de problemas de producción con semillas y entornos simulados.
Observabilidad y monitoreo
- Registros estructurados y rastreo distribuido.
- Métricas operacionales: latencia, confiabilidad y uso de tokens.
- Tableros (dashboards), alertas y seguimiento de SLO.
Despliegue y operaciones
- Empaquetado de gráficos como servicios y contenedores.
- Gestión de configuración y manejo de secretos.
- Pipelines de CI/CD, implementaciones graduales y despliegues tipo canary.
Calidad, pruebas y seguridad
- Pruebas unitarias, por escenario y marcos de evaluación automatizada.
- Barreras de protección (guardrails), filtrado de contenido y manejo de datos personales sensibles (PII).
- Equipo rojo (red teaming) y experimentos de caos para robustez.
Resumen y siguientes pasos
Requerimientos
- Comprensión de Python y programación asíncrona.
- Experiencia en desarrollo de aplicaciones LLM.
- Familiaridad con conceptos básicos de LangGraph o LangChain.
Público objetivo
- Ingenieros de plataformas AI.
- DevOps para IA.
- Arquitectos de ML que gestionan sistemas LangGraph en producción.
35 Horas