Cursos de Large Language Models (LLMs) en Quito

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de la alta dirección que desean comprender qué son los LLM, explorar su potencial impacto en las operaciones empresariales y evaluar el uso práctico de herramientas de IA como ChatGPT, Microsoft Copilot o Grok para tareas reales, como la creación de contenido, el resumen de datos y el apoyo a la toma de decisiones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender qué son los LLM y cómo funcionan herramientas como ChatGPT y Copilot.
• Utilizar técnicas de indicación (prompting) para obtener resultados prácticos y confiables de los LLM.
• Evaluar casos de uso reales, como la redacción de correos electrónicos, el resumen de documentos y la automatización de la productividad.
• Identificar oportunidades de inversión y aplicaciones estratégicas para la adopción de IA.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a equipos de alta dirección que desean comprender el valor estratégico de los LLM y las herramientas empresariales de IA. Los participantes explorarán cómo integrar estas herramientas en flujos de trabajo estratégicos, redactar mejores instrucciones (prompts) y evaluar oportunidades para aumentar la productividad y el retorno de la inversión (ROI) mediante la adopción de IA.

Al final de esta formación, los participantes serán capaces de:

• Comprender cómo funcionan los LLM y cómo herramientas como ChatGPT y Copilot las aplican.
• Utilizar interacciones basadas en instrucciones para automatizar y acelerar tareas.
• Aplicar herramientas de IA a escenarios reales, como la redacción de correos electrónicos, la resumencia de informes y la revisión de acuerdos.
• Evaluar los beneficios estratégicos, las limitaciones y las consideraciones de licencias para la adopción de LLM.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a investigadores de IA, científicos de datos y desarrolladores de nivel intermedio a avanzado que deseen comprender, ajustar e implementar los Modelos de Lenguaje Grande de Meta AI para diversas aplicaciones de procesamiento del lenguaje natural.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura y el funcionamiento de los Modelos de Lenguaje Grande de Meta AI.
• Configurar y ajustar modelos LLM de Meta AI para casos de uso específicos.
• Implementar aplicaciones basadas en LLM, como resumen de textos, chatbots y análisis de sentimientos.
• Optimizar e implementar modelos de lenguaje grande de manera eficiente.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio, analistas de negocios y líderes tecnológicos que desean comprender los principios de la IA generativa y las aplicaciones de los LLM en entornos empresariales. Los participantes aprenderán sobre transformers, ingeniería de prompts y consideraciones éticas al implementar estos modelos para soluciones del mundo real.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios fundamentales de la IA generativa y los modelos de lenguaje grandes.
• Implementar y ajustar (fine-tuning) LLM para aplicaciones empresariales específicas.
• Aplicar técnicas de ingeniería de prompts para obtener resultados óptimos del modelo.
• Reconocer las consideraciones éticas y gestionar los riesgos en el despliegue de LLM.

Esta formación presencial impartida por un instructor en Quito (en línea o en las instalaciones) está dirigida a profesionales de IA de nivel intermedio, especialistas en ética, científicos de datos e ingenieros, así como a formuladores de políticas y partes interesadas que desean comprender y navegar el panorama ético de los LLM.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar problemas éticos y desafíos asociados con los LLM.
• Aplicar marcos y principios éticos a la implementación de LLM.
• Evaluar el impacto social de los LLM y mitigar posibles riesgos.
• Desarrollar estrategias para un desarrollo y uso responsables de la IA.

Esta formación en vivo, impartida por un instructor, se realiza en Quito (en línea o presencial) y está dirigida a profesionales intermedios de PLN y científicos de datos, creadores de contenido y traductores, así como a empresas globales que desean utilizar LLMs para la traducción de idiomas y la creación de contenido multilingüe.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios del aprendizaje translingual y la traducción con LLMs.
• Implementar LLMs para traducir contenido entre diversos idiomas.
• Crear y gestionar conjuntos de datos multilingües para entrenar LLMs.
• Desarrollar estrategias para mantener la coherencia y la calidad en la traducción.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a analistas financieros, científicos de datos y profesionales de la inversión de nivel intermedio que deseen aprovechar los LLM para el análisis y la predicción de los mercados financieros.

Al finalizar esta formación, los participantes podrán:

• Comprender la aplicación de los LLM en el análisis de los mercados financieros.
• Utilizar LLM para procesar noticias financieras, informes y datos con el fin de obtener información clave sobre el mercado.
• Desarrollar modelos predictivos para precios de acciones, tendencias del mercado e indicadores económicos.
• Integrar los conocimientos derivados de los LLM en los procesos de toma de decisiones de inversión.

Esta formación práctica, impartida por un instructor, se realiza en <ubicación> (en línea o presencial) y está dirigida a científicos e investigadores de nivel intermedio en ciencias ambientales, analistas de datos, formuladores de políticas y defensores del medio ambiente que deseen utilizar LLM para el modelado y análisis ambiental.

Al finalizar esta formación, los participantes podrán:

• Comprender la aplicación de los LLM en las ciencias ambientales.
• Utilizar LLM para analizar y modelar datos ambientales.
• Interpretar los resultados generados por LLM para evaluaciones del impacto ambiental.
• Comunicar eficazmente los hallazgos con el fin de informar políticas y esfuerzos de conservación.

Esta formación en vivo y con instructor en Quito (en línea o presencial) está dirigida a desarrolladores de VR y AR de nivel intermedio, diseñadores de juegos e ingenieros de inteligencia artificial que deseen incorporar LLMs en aplicaciones de VR y AR para crear entornos más atractivos y receptivos.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLMs en la creación de experiencias inmersivas de VR y AR.
• Desarrollar aplicaciones de VR y AR que utilicen LLMs para diálogos interactivos y generación de contenido.
• Integrar LLMs con herramientas de desarrollo de VR y AR para mejorar la participación del usuario.
• Aplicar las mejores prácticas en el diseño de narrativas e interacciones impulsadas por IA en espacios virtuales.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a científicos de datos e ingenieros de aprendizaje automático con nivel intermedio, así como a desarrolladores de software que desean aplicar Modelos de Lenguaje Grande (LLM) a datos multimodales para aplicaciones avanzadas de IA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios del aprendizaje multimodal con LLM.
• Implementar LLM para procesar y analizar datos de texto, imagen y audio.
• Desarrollar aplicaciones que aprovechen las ventajas de la integración de datos multimodales.
• Evaluar el rendimiento de sistemas LLM multimodales.

Esta capacitación en vivo dirigida por instructores en <ubicación> (en línea o presencial) está dirigida a profesionales de ciberseguridad y científicos de datos de nivel intermedio que deseen utilizar LLM para mejorar las medidas de ciberseguridad y la inteligencia sobre amenazas.

Al final de esta capacitación, los participantes podrán:

• Comprender el papel de los LLM en la ciberseguridad.
• Implementar LLM para la detección y análisis de amenazas.
• Utilizar LLM para la automatización y respuesta a la seguridad.
• Integrar LLM con la infraestructura de seguridad existente.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a científicos de datos y analistas de negocios de nivel intermedio que deseen utilizar modelos de lenguaje grandes (LLMs) para pronosticar tendencias y comportamientos en diversas industrias.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de los LLMs y su papel en el análisis predictivo.
• Implementar LLMs para analizar y pronosticar datos en diversas industrias.
• Evaluara la eficacia de los modelos predictivos utilizando LLMs.
• Integrar LLMs con los canales de procesamiento de datos existentes.

Esta formación en vivo impartida por instructores en Quito (en línea o presencial) está dirigida a científicos de datos de nivel intermedio que desean adquirir una comprensión integral y habilidades prácticas tanto en Modelos de Lenguaje Grande (LLM) como en Aprendizaje por Refuerzo (RL).

Al finalizar esta formación, los participantes podrán:

• Comprender los componentes y la funcionalidad de los modelos transformadores.
• Optimizar y ajustar finamente los LLM para tareas y aplicaciones específicas.
• Comprender los principios y metodologías fundamentales del aprendizaje por refuerzo.
• Aprender cómo las técnicas de aprendizaje por refuerzo pueden mejorar el rendimiento de los LLM.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a creadores de contenido, especialistas en marketing y tecnólogos educativos de nivel intermedio que desean aprovechar el poder de los LLM para generar contenido de alta calidad, diverso y atractivo en diversos ámbitos.

Al finalizar esta formación, los participantes podrán:

• Comprender las capacidades de los LLM y su aplicación en la generación de contenido.
• Configurar y utilizar LLM para generar diversos tipos de contenido.
• Aplicar buenas prácticas de *prompting* y ajuste fino (*fine-tuning*) de LLM para producir los resultados deseados.
• Evaluar la calidad del contenido generado por IA y refinarlo para audiencias específicas.
• Explorar técnicas avanzadas para la generación de contenido creativo y multimodal con LLM.

Esta formación en vivo, impartida por un instructor en Quito (en línea o presencial), está dirigida a educadores, profesionales de la EdTech e investigadores con diversos niveles de experiencia y expertise que desean aprovechar los LLM para crear experiencias educativas personalizadas.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y las capacidades de los LLM.
• Identificar oportunidades de personalización en el contenido educativo mediante el uso de LLM.
• Diseñar plataformas de aprendizaje adaptativo que utilicen LLM para la personalización del contenido.
• Implementar estrategias basadas en LLM para mejorar el compromiso estudiantil y los resultados de aprendizaje.
• Evaluar la efectividad de los LLM en entornos educativos y tomar decisiones basadas en datos para las mejoras.

Esta capacitación en vivo dirigida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de ML y desarrolladores de IA de nivel intermedio que desean ajustar el ajuste fino e implementar modelos de peso abierto como LLaMA, Mistral y Qwen para aplicaciones comerciales o internas específicas.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el ecosistema y las diferencias entre los LLM de código abierto.
• Preparar conjuntos de datos y configuraciones de ajuste fino para modelos como LLaMA, Mistral y Qwen.
• Ejecutar pipelines de ajuste fino utilizando Transformers de Hugging Face y PEFT.
• Evaluar, guardar e implementar modelos ajustados en entornos seguros.

Esta capacitación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a desarrolladores de software y científicos de datos de nivel principiante a intermedio que desean implementar LLMs en sistemas de reconocimiento y síntesis de voz.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el papel de los LLMs en las tecnologías del habla.
• Implementar LLMs para lograr un reconocimiento de voz preciso y una síntesis de habla natural.
• Integrar LLMs con motores de reconocimiento de voz y sintetizadores de habla.
• Evaluar y mejorar el rendimiento de los sistemas de voz mediante el uso de LLMs.
• Mantenerse actualizados sobre las tendencias actuales y las direcciones futuras en las tecnologías del habla.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales del sector de la atención al cliente y TI de nivel principiante e intermedio que deseen implementar LLM para crear chatbots de atención al cliente inteligentes y con capacidad de respuesta rápida.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos y la arquitectura de los Modelos de Lenguaje Grande (LLM).
• Diseñar e integrar LLM en sistemas de atención al cliente.
• Mejorar la capacidad de respuesta y la experiencia del usuario de los chatbots.
• Abrir cuestiones éticas y garantizar el cumplimiento de las normas de la industria.
• Desplegar y mantener un chatbot basado en LLM para aplicaciones del mundo real.

Esta formación en vivo, impartida por un instructor, en Quito (en línea o presencial), está dirigida a científicos de datos e ingenieros de IA de nivel intermedio que desean ajustar finamente modelos de lenguaje grandes de manera más económica y eficiente utilizando métodos como LoRA, Ajuste Fino con Adaptadores y Ajuste Fino con Prefijos.

Al finalizar esta formación, los participantes podrán:

• Comprender la teoría detrás de los enfoques de ajuste fino eficiente en parámetros.
• Implementar LoRA, Ajuste Fino con Adaptadores y Ajuste Fino con Prefijos utilizando PEFT de Hugging Face.
• Comparar los compromisos entre rendimiento y costo de los métodos PEFT frente al ajuste fino completo.
• Desplegar y escalar LLM ajustados finamente con requerimientos reducidos de computación y almacenamiento.

Esta formación en vivo con instrucción en Quito (en línea o presencial) está dirigida a ingenieros de aprendizaje automático, desarrolladores de IA y científicos de datos de nivel intermedio a avanzado que desean aprender a utilizar QLoRA para ajustar eficientemente grandes modelos para tareas específicas y personalizaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender la teoría detrás de QLoRA y las técnicas de cuantización para LLM.
• Implementar QLoRA en el ajuste fino de modelos de lenguaje grande para aplicaciones específicas del dominio.
• Optimizar el rendimiento del ajuste fino en recursos computacionales limitados utilizando cuantización.
• Desplegar y evaluar los modelos ajustados eficientemente en aplicaciones del mundo real.

Esta formación en vivo y guiada por un instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de datos y marketing de nivel intermedio que deseen aplicar LLM para analizar e interpretar el sentimiento del público en diversas fuentes de texto, como publicaciones en redes sociales, reseñas de productos y comentarios de clientes.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios del análisis de sentimiento y su aplicación mediante LLM.
• Preprocesar y preparar conjuntos de datos para el análisis de sentimiento.
• Entrenar y afinar LLM para reflejar con precisión el sentimiento presente en el texto.
• Analizar el sentimiento en tiempo real proveniente de redes sociales y otras fuentes de texto.
• Integrar los resultados del análisis de sentimiento en las estrategias empresariales y los procesos de toma de decisiones.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a desarrolladores de software y redactores técnicos de nivel intermedio que desean aprovechar los LLM para optimizar su flujo de trabajo de codificación y crear documentación detallada y completa.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de los LLM en la automatización de la generación de código y la documentación de software.
• Utilizar LLM para crear fragmentos de código precisos y eficientes, así como documentación adecuada.
• Integrar LLM en su ciclo de vida del desarrollo de software para mejorar la productividad.
• Mantener altos estándares de calidad en la documentación mediante el uso de herramientas automatizadas.
• Afrontar consideraciones éticas y buenas prácticas para el uso de la IA en el desarrollo de software.

Esta formación en vivo, impartida por un instructor, se realiza en Quito (en línea o presencial) y está dirigida a profesionales de negocio y analistas de datos de nivel intermedio que desean aprovechar el potencial de los LLM para extraer insights valiosos para la toma de decisiones empresariales.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos y las aplicaciones de los LLM en el contexto de la inteligencia empresarial.
• Aplicar LLMs para analizar grandes volúmenes de datos y extraer insights significativos.
• Integrar el análisis impulsado por LLM en los procesos estratégicos de toma de decisiones empresariales.
• Evaluar las consideraciones éticas y las mejores prácticas para el uso de LLMs en el ámbito empresarial.
• Anticipar las tendencias futuras de la inteligencia artificial (IA) y prepararse para la evolución del panorama de la inteligencia empresarial.

Esta formación en vivo con instrucción en <ubicaciones> (en línea o presencial) está dirigida a desarrolladores y científicos de datos de nivel intermedio a avanzado que deseen dominar LlamaIndex para desarrollar aplicaciones innovadoras potenciadas por LLM.

Al finalizar esta formación, los participantes podrán:

• Configurar y preparar LlamaIndex para su uso con LLM.
• Indexar y consultar conjuntos de datos personalizados mediante LlamaIndex para mejorar la funcionalidad de los LLM.
• Diseñar y desarrollar aplicaciones sofisticadas que utilicen LlamaIndex y LLM.
• Comprender y aplicar las mejores prácticas para trabajar con LLM y LlamaIndex.
• Navegar por las consideraciones éticas implicadas en el despliegue de aplicaciones potenciadas por LLM.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a investigadores de IA de nivel intermedio, profesionales del aprendizaje automático y científicos de datos que desean utilizar LlamaIndex para mejorar las capacidades de los modelos de IA, haciéndolos más precisos y confiables para diversas aplicaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios y componentes de LlamaIndex.
• Ingerir y estructurar datos para su uso con LLM.
• Implementar la augmentación contextual para mejorar el rendimiento del modelo de IA.
• Integrar LlamaIndex en sistemas y flujos de trabajo de IA existentes.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean aprovechar el poder de la ingeniería de prompts y el aprendizaje con pocos datos para optimizar el rendimiento de los LLM en aplicaciones del mundo real.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios de la ingeniería de prompts y el aprendizaje con pocos datos.
• Diseñar prompts efectivos para diversas tareas de PLN.
• Aprovechar las técnicas de aprendizaje con pocos ejemplos para adaptar los LLM con mínimos datos.
• Optimizar el rendimiento de los LLM para aplicaciones prácticas.

Este curso presencial impartido por un instructor (disponible en línea o in situ) está dirigido a ingenieros avanzados, especialistas en IA y líderes de localización que deseen implementar sistemas de modelos de lenguaje grandes (LLM) para traducción automatizada, evaluación de calidad y gobernanza empresarial.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Construir tuberías de localización con LLM de nivel empresarial que integren modelos propietarios y de código abierto.
• Implementar flujos de trabajo automatizados de aseguramiento de calidad (QA) e indicadores de calidad para la consistencia de la traducción.
• Establecer marcos de gobernanza y aprobación para la producción de contenido multilingüe.
• Desplegar sistemas de localización basados en LLM escalables y auditables en entornos seguros.

IA para SQL es la aplicación de la inteligencia artificial y los modelos de lenguaje grandes (LLM) para automatizar, optimizar y mejorar la forma en que se generan, ejecutan e interpretan las consultas SQL en entornos empresariales de datos.

Esta capacitación en vivo con instructores (en línea o presencial) está dirigida a ingenieros de datos de nivel intermedio y líderes técnicos que desean integrar capacidades de IA en sus flujos de trabajo SQL para habilitar consultas en lenguaje natural, optimización inteligente y análisis automatizado de datos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Integrar LLM como GPT, DeepSeek, LLaMA, Qwen y Mistral en entornos SQL.
• Construir tuberías (pipelines) de lenguaje natural a SQL para el acceso conversacional a datos.
• Implementar optimización de consultas impulsada por IA y detección de errores.
• Diseñar flujos de trabajo AI-SQL seguros, auditables y adecuados para su uso empresarial.

Formato del curso

• Clase interactiva y discusión grupal.
• Numerosos ejercicios y práctica constante.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

LangGraph es un marco de trabajo para construir aplicaciones de LLM (modelos de lenguaje grandes) con estado persistente y múltiples actores, mediante grafos composables que permiten un control preciso sobre la ejecución.

Esta formación en vivo, impartida por un instructor (modalidad online o presencial), está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y operar soluciones financieras basadas en LangGraph, garantizando una gobernanza adecuada, observabilidad y cumplimiento normativo.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo específicos de LangGraph para el sector financiero, alineados con los requisitos regulatorios y de auditoría.
• Integrar estándares de datos financieros y ontologías en el estado del grafo y las herramientas correspondientes.
• Implementar controles de fiabilidad, seguridad e intervención humana en procesos críticos.
• Desplegar, supervisar y optimizar sistemas LangGraph para mejorar el rendimiento, reducir costes y cumplir con los Acuerdos de Nivel de Servicio (SLAs).

Formato del curso

• Clase interactiva con momentos de debate.
• Abundancia de ejercicios prácticos.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Si desea solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Vertex AI ofrece herramientas poderosas para construir flujos de trabajo de LLM multimodal que integran datos de texto, audio e imagen en una única canalización. Con soporte para ventanas de contexto largas y los parámetros de la API Gemini, permite el desarrollo de aplicaciones avanzadas en planificación, razonamiento e inteligencia cruzada entre modalidades.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que desean diseñar, construir y optimizar flujos de trabajo de IA multimodal en Vertex AI.

Al finalizar esta formación, los participantes serán capaces de:

• Aprovechar los modelos Gemini para entradas y salidas multimodales.
• Implementar flujos de trabajo de contexto largo para razonamientos complejos.
• Diseñar canalizaciones que integren análisis de texto, audio e imágenes.
• Optimizar los parámetros de la API Gemini para mejorar el rendimiento y la eficiencia en costos.

Formato del curso

• Lección interactiva y discusión.
• Laboratorios prácticos con flujos de trabajo multimodales.
• Ejercicios basados en proyectos para casos de uso aplicados de IA multimodal.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

LangGraph permite la creación de flujos de trabajo con estado y múltiples actores, impulsados por LLMs, ofreciendo un control preciso sobre las rutas de ejecución y la persistencia del estado. En el sector sanitario, estas capacidades son fundamentales para garantizar el cumplimiento normativo, la interoperabilidad y desarrollar sistemas de apoyo a la decisión que se ajusten a los flujos de trabajo médicos.

Esta formación en vivo con instructor (online o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen diseñar, implementar y gestionar soluciones sanitarias basadas en LangGraph, abordando al mismo tiempo los desafíos regulatorios, éticos y operativos.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar flujos de trabajo de LangGraph específicos para el sector sanitario, teniendo en cuenta el cumplimiento normativo y la auditoría.
• Integrar aplicaciones LangGraph con ontologías y estándares médicos (FHIR, SNOMED CT, ICD).
• Aplicar las mejores prácticas en fiabilidad, trazabilidad y explicabilidad en entornos sensibles.
• Desplegar, monitorizar y validar aplicaciones LangGraph en entornos de producción sanitaria.

Formato del curso

• Ponencias interactivas y discusión.
• Ejercicios prácticos con casos de estudio reales.
• Práctica de implementación en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta formación en vivo, impartida por instructores (en línea o presencial), está dirigida a desarrolladores de IA de nivel intermedio e ingenieros de localización que deseen diseñar pipelines de traducción escalables y automatizados, utilizando tanto modelos propietarios como de código abierto.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar e implementar flujos de trabajo de traducción utilizando frameworks y APIs modernas para LLM.
• Integrar modelos de código abierto y comerciales en sistemas de traducción escalables.
• Optimizar la calidad de la traducción mediante el ajuste fino (fine-tuning), ingeniería de prompts y automatización.
• Implementar infraestructuras de traducción eficientes en costos y conformes con la normativa para entornos empresariales.

LangGraph es un marco de trabajo para construir aplicaciones LLM multiparte con estado, representadas como grafos composables con estado persistente y control sobre la ejecución.

Este curso teórico-práctico (en línea o presencial) está dirigido a ingenieros de plataformas de IA de nivel avanzado, profesionales de DevOps para IA y arquitectos de ML que deseen optimizar, depurar, monitorear y operar sistemas LangGraph de grado productivo.

Al finalizar este curso, los participantes serán capaces de:

• Diseñar y optimizar topologías complejas de LangGraph para mejorar la velocidad, el costo y la escalabilidad.
• Asegurar la fiabilidad mediante reintentos, tiempos de espera, idempotencia y recuperación basada en puntos de control.
• Depurar y rastrear ejecuciones de grafos, inspeccionar estados y reproducir sistemáticamente problemas en producción.
• Instrumentar grafos con registros, métricas y trazas, desplegarlos en producción y monitorear SLAs y costos.

Formato del curso

• Clase interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean aprender a utilizar la IA generativa con LLM para diversas tareas y dominios.

Al finalizar esta formación, los participantes podrán:

• Explicar qué es la IA generativa y cómo funciona.
• Describir la arquitectura Transformer que potencia a los LLM.
• Utilizar leyes de escalado empíricas para optimizar los LLM según distintas tareas y restricciones.
• Aplicar herramientas y métodos de vanguardia para entrenar, ajustar finamente y desplegar LLM.
• Analizar las oportunidades y los riesgos que presenta la IA generativa para la sociedad y las empresas.

Los modelos de lenguaje grandes (LLMs) y los frameworks de agentes autónomos, como AutoGen y CrewAI, están redefiniendo la forma en que los equipos DevOps automatizan tareas como el seguimiento de cambios, la generación de pruebas y la clasificación de alertas, mediante la simulación de la colaboración y la toma de decisiones humanas.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de nivel avanzado que deseen diseñar e implementar flujos de trabajo de automatización DevOps potenciados por modelos de lenguaje grandes (LLMs) y sistemas multiagente.

Al finalizar esta formación, los participantes serán capaces de:

• Integrar agentes basados en LLMs en flujos de trabajo CI/CD para una automatización inteligente.
• Automatizar la generación de pruebas, el análisis de commits y los resúmenes de cambios mediante agentes.
• Coordinar múltiples agentes para clasificar alertas, generar respuestas y proporcionar recomendaciones DevOps.
• Construir flujos de trabajo potenciados por agentes, seguros y mantenibles, utilizando frameworks de código abierto.

Formato del curso

• Lección interactiva y debate.
• Muchas ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarla.

Postgres es una base de datos relacional avanzada de código abierto que puede servir como base para sistemas impulsados por IA y aplicaciones de inteligencia de datos.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de bases de datos y desarrolladores de nivel intermedio que desean integrar, gestionar y optimizar las capacidades de IA directamente dentro de Postgres.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y ajustar extensiones de Postgres para cargas de trabajo de IA.
• Implementar incrustaciones vectoriales (embeddings) y búsqueda por similitud utilizando pgvector.
• Integrar modelos de lenguaje grandes (LLM) de código abierto y propietarios con Postgres para obtener información en tiempo real.
• Optimizar Postgres para gestionar consultas y flujos de trabajo impulsados por IA.

Formato del curso

• Conferencia interactiva y discusión.
• Numerosos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones impulsadas por LLM, como la inyección de prompts, la filtración de datos y las respuestas no filtradas, al tiempo que incorporan controles de seguridad como validación de entrada, supervisión humana en el proceso (human-in-the-loop) y barreras de protección en la salida.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las vulnerabilidades centrales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como el aislamiento (sandboxing), pruebas de penetración (red teaming) y revisión humana en el proceso en tuberías (pipelines) de nivel de producción.

Esta formación práctica impartida por instructores en Quito (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que deseen personalizar modelos preentrenados para tareas y conjuntos de datos específicos.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios del ajuste fino y sus aplicaciones.
• Preparar conjuntos de datos para ajustar modelos preentrenados.
• Ajustar finamente grandes modelos de lenguaje (LLM) para tareas de PLN.
• Optimizar el rendimiento del modelo y abordar los desafíos comunes.

El curso técnico «LLMs para la comprensión, refactorización y documentación de código» se centra en la aplicación de modelos de lenguaje grandes (LLM) para mejorar la calidad del código, reducir la deuda técnica y automatizar tareas de documentación en equipos de desarrollo de software.

Esta formación práctica impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio a avanzado que desean utilizar LLM como GPT para analizar, refactorizar y documentar de manera más eficaz bases de código complejas o heredadas.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar LLM para explicar código, dependencias y lógica en repositorios desconocidos.
• Identificar y refactorizar antipatrones, mejorando la legibilidad del código.
• Generar y mantener automáticamente comentarios en línea, archivos README y documentación de APIs.
• Integrar los análisis impulsados por LLM en los flujos de trabajo existentes de CI/CD y revisión de código.

Formato del curso

• Clases interactivas y debate.
• Abundantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarla.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a científicos de datos de nivel intermedio, desarrolladores de IA y entusiastas de la IA que desean utilizar LLM para realizar diversas tareas de NLP y crear contenido novedoso y diverso con distintos propósitos.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo con LLM y herramientas esenciales.
• Ejecutar de manera experta tareas de NLU y NLI con LLM.
• Extraer, inferir y aprovechar grafos de conocimiento de forma efectiva.
• Generar y gestionar diálogos mediante LLM para aplicaciones conversacionales.
• Evaluar la calidad y diversidad del contenido generado por LLM e inteligencia artificial generativa.
• Aplicar principios éticos, garantizando equidad y un uso responsable de los LLM.

LangGraph es un framework para construir aplicaciones de LLM con estructura de grafo que soportan planificación, ramificación, uso de herramientas, memoria y ejecución controlable.

Esta formación impartida por un instructor (en línea o presencial) está dirigida a desarrolladores principiantes, ingenieros de prompts y profesionales de datos que deseen diseñar y construir flujos de trabajo de LLM en múltiples pasos confiables utilizando LangGraph.

Al finalizar esta formación, los participantes serán capaces de:

• Explicar los conceptos fundamentales de LangGraph (nodos, aristas, estado) y cuándo utilizarlos.
• Construir cadenas de prompts que se ramifiquen, llamen a herramientas y mantengan la memoria.
• Integrar recuperación de información y APIs externas en flujos de trabajo de grafo.
• Probar, depurar y evaluar aplicaciones LangGraph para garantizar su confiabilidad y seguridad.

Formato del Curso

• Lección interactiva y discusión guiada.
• Laboratorios dirigidos y recorrido por el código en un entorno de sandbox.
• Ejercicios basados en escenarios sobre diseño, pruebas y evaluación.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta formación presencial dirigida por instructores en Quito (en línea o en las instalaciones) está dirigida a desarrolladores de nivel principiante e intermedio que deseen utilizar Modelos de Lenguaje Grande para diversas tareas de PLN.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya un LLM popular.
• Crear un LLM básico y ajustarlo finamente (fine-tuning) en un conjunto de datos personalizado.
• Utilizar LLM para diferentes tareas de PLN, como resumización de textos, respuesta a preguntas, generación de texto y más.
• Depurar y evaluar LLM utilizando herramientas como TensorBoard, PyTorch Lightning y Hugging Face Datasets.

Esta formación en vivo e impartida por un instructor en Quito (en línea o presencial) está dirigida a ingenieros de observabilidad y SRE que desean integrar LLM e IA en sus flujos de trabajo de monitoreo, alertas y análisis de incidentes.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales del soporte TI que desean utilizar herramientas de IA y plataformas de automatización para optimizar los procesos de soporte, estandarizar las respuestas y reducir el esfuerzo manual en la documentación.

Esta formación en vivo, impartida por un instructor, en Quito (en línea o presencial), está dirigida a ingenieros y arquitectos de nivel intermedio que desean utilizar Tencent Hunyuan para desplegar modelos grandes y MoE con menor latencia, mayor capacidad de procesamiento (throughput) y mejor control de costos.

Al finalizar esta formación, los participantes podrán: explicar patrones de despliegue en producción de Hunyuan, optimizar el rendimiento de la inferencia, implementar estrategias de agrupación (batching) y cuantización, y planificar operaciones de servicio escalables.

Esta formación en vivo y con instructores en Quito (en línea o presencial) está dirigida a desarrolladores de nivel intermedio, equipos técnicos de producto y profesionales de IA que desean utilizar los modelos Hunyuan para crear aplicaciones multimodales para la generación y entrega de imágenes, contenido 3D y video.

Al finalizar esta formación, los participantes serán capaces de construir flujos de trabajo basados en prompts, generar y revisar activos multimodales, distribuir salidas a través de aplicaciones o APIs, y conectar las capacidades de Hunyuan con las pilas de productos empresariales.

Objetivos del curso: transformar a ingenieros de software/AI en ingenieros legales, es decir, profesionales capaces de construir soluciones de IA para tareas legales (eDiscovery, revisión e investigaciones).

Durante dos días, los participantes construyen toda la pila central: ingieren y extraen datos legales reales y desordenados, los buscan y recuperan, añaden generación aumentada por recuperación (RAG) con citaciones, mantienen la privacidad mediante un modelo local y la verifican, ejecutan una revisión de IA defendible con métricas listas para juicio y preparan el resultado para su despliegue.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de la IA de nivel principiante, intermedio o avanzado que desean utilizar MCP para conectar asistentes de IA con herramientas externas, datos y servicios empresariales.

Al finalizar esta formación, los participantes podrán: explicar los conceptos de MCP, identificar los componentes clave de la arquitectura, configurar una integración básica y aplicar buenas prácticas de seguridad.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a arquitectos empresariales de nivel intermedio que desean utilizar el Protocolo de Contexto del Modelo para diseñar plataformas de integración de agentes seguras, escalables y gobernable para entornos empresariales.

Al finalizar esta formación, los participantes podrán: explicar la arquitectura de MCP y los patrones empresariales, diseñar plataformas de integración seguras, aplicar gobernanza y controles de acceso, y evaluar opciones de implementación y escalado.

Esta formación en vivo con instrucción directa en Quito (en línea o presencial) está dirigida a desarrolladores, arquitectos e ingenieros de plataforma de nivel intermedio que desean utilizar MCP para construir servidores y clientes confiables para el despliegue y la operación empresarial.

Al finalizar esta formación, los participantes serán capaces de: explicar la arquitectura de MCP en la práctica, crear integraciones listas para producción, desplegar y observar servicios MCP, y aplicar patrones de versionado, resiliencia y soporte.

Esta formación en vivo, impartida por un instructor, en Quito (en línea o presencial), está dirigida a líderes de TI de nivel intermedio, profesionales del cumplimiento normativo, equipos de seguridad y arquitectos empresariales que desean utilizar los principios y prácticas de gobernanza de la IA soberana para diseñar entornos de IA que protejan datos confidenciales, apoyen los requisitos de localización y reduzcan la dependencia exclusiva de proveedores.

Al finalizar esta formación, los participantes serán capaces de: explicar los conceptos de IA soberana, evaluar opciones de alojamiento y gobernanza, definir controles para instrucciones (prompts) y registros, y crear una hoja de ruta práctica de adopción.