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 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