Ponte en Contacto
 Duración 7 horas

Temario del curso

De la Generación de Texto a Decisiones Tipadas

  • Lo que devuelve un modelo de decisión
  • Decisiones de sistema uno versus LLMs de razonamiento
  • Perfil de costos y latencia de las decisiones acotadas

El Panorama de los Modelos de Decisión de Pesos Abiertos

  • Strands Decider 2B de AWS Labs
  • Familias de pesos abiertos JEV y GEV
  • Pplx-Decider, Liquid D1 y Clef
  • Diferencias en licencias y despliegue

Dentro de un Modelo de Decisión

  • Torso de LLM sin cabeza de modelado de lenguaje
  • Cabeza de puntero (pointer head) que puntúa sobre opciones candidatas
  • Origen de la puntuación de confianza

Ejecutando Sus Primeras Decisiones

  • Configuración local en CPU y GPU de consumo
  • Formulación de preguntas y conjuntos de opciones
  • Hacer varias preguntas en una sola pasada
  • Umbrales y comportamiento de fallback (respaldo)

Juzgando la Calidad de la Decisión

  • JevBench y benchmarks de decisión
  • Precisión versus calibración
  • Puntuación de Brier y fiabilidad de la confianza
  • Tareas donde un modelo de decisión no es la herramienta adecuada

Requerimientos

  • Conocimiento básico de los grandes modelos de lenguaje (LLMs) y aplicaciones basadas en prompts.
  • Familiaridad con la línea de comandos y scripts de Python.
  • No se requiere experiencia en entrenamiento de machine learning.

Público Objetivo

  • Ingenieros de IA evaluando modelos de decisión para flujos de trabajo de agentes
  • Desarrolladores de software que reemplazan llamadas a LLMs con decisiones acotadas
  • Arquitectos de soluciones y plataformas diseñando arquitecturas de agentes
  • Gestores de producto técnicos evaluando opciones de modelos de decisión

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas