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 frente a LLM de razonamiento
  • Perfil de costo y latencia de 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 de licencia y despliegue

Dentro de un modelo de decisión

  • Torso de LLM sin una cabeza de modelado de lenguaje
  • Puntuación de la cabeza de puntero 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 reserva

Juzgando la calidad de la decisión

  • JevBench y benchmarks de decisión
  • Precisión frente a calibración
  • Puntuación 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 y aplicaciones basadas en prompts.
  • Manejo de la línea de comandos y scripts de Python.
  • No se requiere experiencia previa en entrenamiento de machine learning.

Público Objetivo

  • Ingenieros de IA que evalúen modelos de decisión para flujos de trabajo de agentes
  • Desarrolladores de software que reemplacen llamadas a LLM con decisiones acotadas
  • Arquitectos de soluciones y plataformas que diseñen arquitecturas de agentes
  • Gerentes de producto técnico que evalúen opciones de modelos de decisión

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas