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 35 horas
Temario del curso
Fundamentos de LangGraph para Finanzas
- Repaso de la arquitectura de LangGraph y la ejecución con estado.
- Casos de uso financiero: copilotos de investigación, soporte de operaciones, agentes de servicio al cliente.
- Restricciones regulatorias y consideraciones de auditoría.
Estándares y Ontologías de Datos Financieros
- Fundamentos de ISO 20022, FpML y FIX.
- Mapeo de esquemas y ontologías en el estado del grafo.
- Calidad de los datos, linaje y manejo de PII (Información Personal Identificable).
Orquestación de Flujos de Trabajo para Procesos Financieros
- Flujos de incorporación KYC y AML.
- Ciclo de vida de la operación, excepciones y gestión de casos.
- Adjudicación de crédito y rutas de decisión.
Cumplimiento Normativo, Riesgo y Controles
- Aplicación de políticas y gestión del riesgo del modelo.
- Paragüesos (guardrails), aprobaciones y pasos de participación humana (human-in-the-loop).
- Registros de auditoría, retención de datos y explicabilidad.
Integración e Implementación
- Conexión con sistemas centrales, lagos de datos y API.
- Containerización, secretos y gestión de entornos.
- Conductas de CI/CD, despliegues graduales y canaritos (canaries).
Observabilidad y Rendimiento
- Registros estructurados, métricas, trazas y monitoreo de costos.
- Pruebas de carga, SLO (Objetivos de Nivel de Servicio) y presupuestos de errores.
- Respuesta a incidentes, reversión (rollback) y patrones de resiliencia.
Calidad, Evaluación y Seguridad
- Unidades de prueba, escenarios y arneses de evaluación automatizados.
- Red teaming, prompts adversarios y comprobaciones de seguridad.
- Curaduría de conjuntos de datos, monitoreo de derivación (drift) y mejora continua.
Resumen y Próximos Pasos
Requerimientos
- Comprensión de Python y el desarrollo de aplicaciones de LLM
- Experiencia con API, contenedores o servicios en la nube
- Familiaridad básica con los dominios financieros o modelos de datos
Público Objetivo
- Tecnólogos del dominio
- Arquitectos de soluciones
- Consultores que construyen agentes de LLM en industrias reguladas