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 con Mastra
- Comprensión de los modelos de comportamiento de los agentes y sus modos de fallo.
- Principios clave de depuración dentro de Mastra.
- Evaluación de acciones deterministas y no deterministas de los agentes.
Configuración de entornos para pruebas de agentes
- Configuración de cajas de arena de pruebas y espacios de evaluación aislados.
- Captura de registros, trazas y telemetría para un análisis detallado.
- Preparación de conjuntos de datos y preguntas (prompts) para pruebas estructuradas.
Depuración del comportamiento de los agentes de IA
- Rastreo de rutas de decisión y señales de razonamiento interno.
- Identificación de alucinaciones, errores y comportamientos no deseados.
- Uso de paneles de observabilidad para la investigación de la causa raíz.
Métricas de evaluación y marcos de referencia (benchmarks)
- Definición de métricas de evaluación cuantitativas y cualitativas.
- Medición de la 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 de ejecución prolongada.
- Detección de deriva y degradación en el rendimiento de los agentes.
- Implementación de medidas de seguridad para flujos de trabajo críticos.
Procesos de aseguramiento de calidad y automatización
- Creación de pipelines de QA para la evaluación continua.
- Automatización de pruebas de regresión para actualizaciones de agentes.
- Integración del QA con CI/CD y flujos de trabajo empresariales.
Técnicas avanzadas para la reducción de alucinaciones
- Estrategias de preguntas (prompting) 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
- Desarrollo de informes de QA y tableros de puntuación de agentes.
- Monitoreo del comportamiento a largo plazo y patrones de errores.
- Iteración sobre los marcos de evaluación para sistemas en evolución.
Resumen y próximos pasos
Requerimientos
- Comprensión del comportamiento de los agentes de IA y de las interacciones con los modelos.
- Experiencia en la depuración o prueba de sistemas de software complejos.
- Familiaridad con herramientas de observabilidad o registro (logging).
Público objetivo
- Ingenieros de aseguramiento de calidad (QA).
- Ingenieros de fiabilidad de IA.
- Desarrolladores responsables de la calidad y el rendimiento de los agentes.
21 Horas
