Saltar al contenido principal

Mesa de Solicitudes

Bloques start, basics, junior​

Expansión de materiales existentes​

  • Complemento de los materiales actuales
  • Módulo sobre casos reales de agentes por sectores
  • Módulo sobre el almacenamiento en caché de prompts

Bloque Senior​

Recursos para el estudio de Agentes de IA​

  • otros lugares centralizados para estudiar Agentes de IA
  • Documentos de lectura obligada
  • Documentos ontológicos
  • Documentos iniciales

Desarrollo de interfaces de usuario​

  • Desarrollo rápido de UI
  • Bots de voz

Infraestructura y DevOps​

  • Infraestructura de producción

Prompts avanzados​

  • Prompts de nivel Senior
  • APEs (Motores de Programación Autónomos)

RAG nivel avanzado​

  • RAG Agentic
  • RAG Híbrido
  • Nodo de subtema
  • Graph RAG
  • Reclasificación
  • Evaluación de RAG
  • Almacenamiento en caché

Sistemas Multi-Agente​

  • Teoría de MultiAgentes
  • Resolución de conflictos entre agentes
  • Protocolos:
    • MCP (Protocolo de Comunicación Multi-agente)
    • ANP (Protocolo de Negociación de Agentes)

Teoría de la memoria​

  • Teoría de la memoria (Memory theory)

Pruebas y evaluación de agentes​

  • Benchmarks:
    • Benchmarks populares
    • Cómo crear los propios
    • Errores al realizar benchmarks
  • Monitoreo del rendimiento
  • Aprendizaje con retroalimentación (Feedback learning)
  • Evaluación en línea
  • Pruebas E2E
  • ToolChoiceE

Soluciones en la nube​

  • Agentes de IA de AWS SageMaker
  • Google Vertex AI

Bloque Extra​

Aspectos empresariales​

  • Información privilegiada sobre negocios
  • Casos de negocio

Panorama tecnológico​

  • Panorama de protocolos A2A
  • Panorama de la infraestructura de AgentOps
    • tracing (rastreo)
    • monitoring (monitoreo)
    • logging (registro)
    • metrics (métricas)
    • alerting (alertas)
    • dashboarding (paneles de control)
    • prompt engineering platforms (plataformas de ingeniería de prompts)
    • benchmark platforms (plataformas de benchmarks)

Entrenamiento de modelos​

  • Reentrenamiento de modelos: RL vs PEFT vs P-Tuning
  • Reentrenamiento de modelos para el uso de herramientas (tool using)

Despliegue de modelos​

  • Uso de tus propios LLM en producción: vLLM y amigos
  • Uso de tus propios LLM en la nube:
    • soluciones serverless vs kubernetes
    • model garden (jardín de modelos)
    • reentrenamiento de AWS, GCP, Azure, YC, OpenAI

Bloques Not-Agents​

  • Mejora de los materiales en el bloque sobre desarrollo ligero de backend

¡Propongan sus ideas en los comentarios!​