Agentes LLM específicos de dominio

Resumen

Optimizing data center operations requires intelligent automation, and domain-specific Large Language Model (LLM) agents offer a powerful solution. In this course, Developing Domain-Specific LLM Agents for Data Center Operations, you’ll learn how to design, build, and deploy AI-driven agents tailored for data center environments.

First, you’ll explore the fundamentals of domain-specific LLMs and how they enhance operational efficiency through tasks like predictive maintenance, resource optimization, and anomaly detection. Next, you’ll gain hands-on experience in curating and preprocessing datasets, fine-tuning LLMs, and implementing AI agents using frameworks such as LangChain, CrewAI, and AutoGen.

Finally, you’ll discover strategies for optimizing performance, deploying these agents across cloud and on-premises environments, and ensuring ethical AI practices related to data privacy, compliance, and bias mitigation. When you finish this course, you’ll have the practical skills to build and manage LLM agents in Python, enabling you to drive automation, efficiency, and innovation in data center operations.

Programa

• 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

---

Impartido por

Brian Letort

---

Materias

Computer Science