What You Need to Know Before
You Start

Starts 5 June 2025 20:57

Ends 5 June 2025

00 days
00 hours
00 minutes
00 seconds
course image

Agentes LLM específicos de dominio

Domina la creación de agentes LLM específicos para centros de datos, desde los fundamentos hasta el despliegue. Aprende a ajustar modelos, implementar marcos como LangChain, optimizar el rendimiento y garantizar prácticas éticas de IA para una eficiencia operativa.
via Pluralsight

659 Cursos


27 minutes

Optional upgrade avallable

Not Specified

Progress at your own speed

Free Trial Available

Optional upgrade avallable

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