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.
Temario del curso
Fundamentos de la depuración y evaluación con Mastra
- Comprensión de los modelos de comportamiento del agente y sus modos de fallo.
- Principios clave de depuración en Mastra.
- Evaluación de acciones deterministas y no deterministas de los agentes.
Configuración de entornos para las pruebas de agentes
- Configuración de sandbox de pruebas y espacios de evaluación aislados.
- Captura de registros (logs), trazas y telemetría para un análisis detallado.
- Preparación de conjuntos de datos y prompts para pruebas estructuradas.
Depuración del comportamiento de los agentes de IA
- Rastreo de las rutas de decisión y las señales internas de razonamiento.
- Identificación de alucinaciones, errores y comportamientos no deseados.
- Uso de paneles de control de observabilidad para la investigación de la causa raíz.
Métricas de evaluación y marcos de referencia (benchmarks)
- Definición de métricas de evaluación cuantitativas y cualitativas.
- Medición de la precisión, coherencia y cumplimiento contextual.
- Aplicación de conjuntos de datos de referencia para evaluaciones repetibles.
Ingeniería de fiabilidad para agentes de IA
- Diseño de pruebas de fiabilidad para agentes que operan durante periodos prolongados.
- Detección de deriva y degradación en el rendimiento del agente.
- Implementación de mecanismos de protección para flujos de trabajo críticos.
Procesos de garantía de calidad y automatización
- Construcción de tuberías (pipelines) de QA para la evaluación continua.
- Automatización de pruebas de regresión ante las actualizaciones del agente.
- Integración del QA con CI/CD y flujos de trabajo empresariales.
Técnicas avanzadas para la reducción de alucinaciones
- Estrategias de prompts para minimizar las salidas no deseadas.
- Bucle de validación y mecanismos de autoverificación.
- Experimentación con combinaciones de modelos para mejorar la fiabilidad.
Informes, monitoreo y mejora continua
- Desarrollo de informes de QA e índices de puntuación (scorecards) para agentes.
- Monitoreo del comportamiento a largo plazo y de los patrones de error.
- Iteración sobre los marcos de evaluación para sistemas en constante evolución.
Resumen y próximos pasos
Requerimientos
- Comprensión del comportamiento de los agentes de IA y las interacciones con los modelos.
- Experiencia en la depuración o prueba de sistemas de software complejos.
- Familiaridad con herramientas de observabilidad o registro de eventos (logging).
Público objetivo
- Ingenieros de garantía de calidad (QA engineers).
- Ingenieros de fiabilidad de IA.
- Desarrolladores responsables de la calidad y el rendimiento de los agentes.
21 Horas
