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
Arquitectura Avanzada de LangGraph
- Patrones de topología de grafos: nodos, aristas, enrutadores, subgrafos
- Modelado de estado: canales, transmisión de mensajes, persistencia
- Flujos DAG vs. cíclicos y composición jerárquica
Rendimiento y Optimización
- Patrones de paralelismo y concurrencia en Python
- Caché, lotes (batching), llamada a herramientas (tool calling) y transmisión en streaming
- Controles de costos y estrategias de presupuesto de tokens
Ingeniería de Confiabilidad
- Reintentos, timeouts, retroceso (backoff) y circuit breakers
- Idempotencia y eliminación de duplicados en los pasos
- Checkpointing y recuperación usando almacenes locales o en la nube
Depuración de Grafos Complejos
- Ejecución paso a paso y pruebas secas (dry runs)
- Inspección de estado y trazado de eventos
- Reproducción de problemas de producción con semillas (seeds) y fijos (fixtures)
Observabilidad y Monitoreo
- Registro estructurado y trazado distribuido
- Métricas operativas: latencia, confiabilidad, uso de tokens
- Paneles de control (dashboards), alertas y seguimiento de SLO
Despliegue y Operaciones
- Empaquetado de grafos como servicios y contenedores
- Gestión de configuración y manejo de secretos
- Pipelines CI/CD, despliegues y canarios
Calidad, Pruebas y Seguridad
- Pruebas unitarias, de escenarios y arneses de evaluación automatizados (eval harnesses)
- Barandillas de seguridad (guardrails), filtrado de contenido y manejo de PII
- Red teaming y experimentos de caos para la robustez
Resumen y Próximos Pasos
Requerimientos
- Conocimiento de Python y programación asíncrona
- Experiencia en el desarrollo de aplicaciones LLM
- Familiaridad con conceptos básicos de LangGraph o LangChain
Público objetivo
- Ingenieros de plataformas de IA
- DevOps para IA
- Arquitectos de ML que manejan sistemas de LangGraph en producción