Agentes LLM específicos de dominio

Resumen

Optimizar las operaciones del centro de datos requiere automatización inteligente, y los agentes de Modelo de Lenguaje Grande (LLM) específicos de dominio ofrecen una solución poderosa. En este curso, Desarrollo de Agentes LLM Específicos de Dominio para Operaciones del Centro de Datos, aprenderás a diseñar, construir y desplegar agentes impulsados por inteligencia artificial adaptados a entornos de centros de datos.

Primero, explorarás los fundamentos de los LLM específicos de dominio y cómo mejoran la eficiencia operativa a través de tareas como mantenimiento predictivo, optimización de recursos y detección de anomalías. A continuación, obtendrás experiencia práctica en la curación y preprocesamiento de conjuntos de datos, ajuste fino de LLMs, e implementación de agentes de IA utilizando marcos como LangChain, CrewAI y AutoGen.

Finalmente, descubrirás estrategias para optimizar el rendimiento, desplegar estos agentes en entornos en la nube y locales, y garantizar prácticas de IA éticas relacionadas con la privacidad de datos, cumplimiento y mitigación de sesgos. Al finalizar este curso, tendrás las habilidades prácticas para construir y gestionar agentes LLM en Python, lo que te permitirá impulsar la automatización, eficiencia e innovación en las operaciones de centros de datos.

Programa de estudio

• Introducción a los Modelos de Lenguaje Grandes (LLMs) específicos de dominio
Visión general de los LLMs en operaciones de centros de datos
Beneficios de los agentes impulsados por IA para la eficiencia operativa
Tareas clave: mantenimiento predictivo, optimización de recursos, detección de anomalías
• Fundamentos de los LLMs específicos de dominio
Diseño de modelos de lenguaje específicos de dominio
Comprensión de la integración del conocimiento del dominio
Estudios de caso de aplicaciones de LLM en centros de datos
• Preparación de Datos para LLMs
Selección de conjuntos de datos relevantes para operaciones de centros de datos
Técnicas de preprocesamiento de datos
Asegurando la calidad y diversidad de los datos
• Ajuste y Implementación de Agentes LLM
Introducción al ajuste de LLMs
Ejercicios prácticos con marcos:
LangChain
CrewAI
AutoGen
• Construcción de Agentes de IA para Centros de Datos
Selección de marcos y diseño de arquitectura
Desarrollo de agentes y codificación en Python
Personalización de LLMs para tareas operativas específicas
• Estrategias de Optimización de Rendimiento
Métricas de rendimiento de agentes y evaluación
Técnicas para mejorar la eficiencia de LLM
Soluciones de escalado para nube y locales
• Despliegue de Agentes LLM
Estrategias de despliegue en entornos de nube
Consideraciones para despliegue local
Integración y entrega continua (CI/CD) para agentes de IA
• Prácticas Éticas de IA en el Contexto de Centros de Datos
Asegurando la privacidad de datos y cumplimiento
Estrategias de detección y mitigación de sesgos
Marcos y directrices para IA ética
• Proyecto Final
Diseño y despliegue de un agente LLM específico de dominio para una tarea elegida del centro de datos
Presentación y defensa del proyecto
• Conclusión y Próximos Pasos
Resumen de resultados de aprendizaje clave
Recursos y lecturas adicionales para profundizar el conocimiento
Caminos profesionales en IA para operaciones de centros de datos

Enseñado por

Brian Letort

Asignaturas

Ciencias de la Computación