Saltar al contenido principal

Curso completo

DevOps / SRE + IA

Operación fiable de cargas de trabajo de IA

Serving, autoscaling, observabilidad, control de costes, seguridad y respuesta a incidentes para sistemas de IA.

0%0/8 lecciones

El progreso se guarda localmente en tu navegador.

10–16 semanas3 módulos8 lecciones5 evaluaciones

Módulo 1

Núcleo común de IA

Modos de fallo probabilísticos y comportamiento verificable de los modelos.

ResultadoSRE comprende los riesgos operativos y los límites de los sistemas de IA.

  1. Alfabetización en IA y límites de los modelos

    Principal

    Capacidades, alucinaciones, límites de contexto, privacidad y uso responsable.

    Material →

  2. Ingeniería de prompts y contexto

    Principal

    Instrucciones, restricciones, ejemplos y verificación de resultados.

    Prerrequisitos: Alfabetización en IA y límites de los modelos

    Material →

  3. Salidas estructuradas y evaluación

    Principal

    Esquemas de respuesta, checks deterministas y casos de prueba.

    Prerrequisitos: Ingeniería de prompts y contexto

    Material →Recurso →

Módulo 2

Runtime y serving de IA

Inferencia, batching, colas y escalado para workloads de producción.

ResultadoUn servicio de inferencia controlado con señales explícitas de capacidad y salud.

  1. Serving de LLM

    Principalpráctica + evaluación

    APIs gestionadas, self-hosting, health checks y trade-offs de runtime.

    Material →Práctica →Evaluación →

  2. Autoscaling de workloads de IA

    Principalpráctica + evaluación

    Planificación de capacidad, warmup, saturación y escalado sensible al coste.

    Material →Práctica →Evaluación →

Módulo 3

Observabilidad e incidentes

Tracing, costes, alertas, rollback y simulacros operativos.

ResultadoUna plataforma de IA con SLO medibles y un camino de recuperación probado.

  1. Tracing y monitorización de IA

    Principalpráctica + evaluación

    Latencia, calidad, uso de tokens, reintentos, errores y salud del servicio.

    Material →Práctica →Evaluación →

  2. Proyecto: dashboard de operaciones de IA

    Proyectopráctica + evaluación

    SLO, trazas, métricas de tokens y costes, alertas y un simulacro controlado de fallos.

    Material →Práctica →Evaluación →

  3. Respuesta a incidentes de IA

    Principalpráctica + evaluación

    Contención, fallback, rollback, comunicación y postmortems.

    Material →Práctica →Evaluación →

Práctica final y evaluación

El curso termina con un artefacto práctico y una rúbrica de aceptación. El resultado se considera completo después de cumplir los criterios de aceptación, no solo de leer los materiales.

Serving de LLM →Autoscaling de workloads de IA →Tracing y monitorización de IA →Proyecto: dashboard de operaciones de IA →Respuesta a incidentes de IA →Abrir roadmap →