Entrar em Contato
 Duração 35 horas

Programa do Curso

Introdução e Fundamentos de Diagnóstico

  • Vista geral dos modos de falha em sistemas LLM e problemas específicos do Ollama
  • Estabelecimento de experimentos reproduzíveis e ambientes controlados
  • Conjunto de ferramentas de depuração: registos locais, capturas de pedido/resposta e arejamento (sandboxing)

Reprodução e Isolamento de Falhas

  • Técnicas para criar exemplos mínimos de falha e sementes (seeds)
  • Interações com e sem estado: isolamento de bugs relacionados com contexto
  • Determinismo, aleatoriedade e controlo de comportamento não determinístico

Avaliação Comportamental e Métricas

  • Métricas quantitativas: precisão, variantes ROUGE/BLEU, calibração e proxies de perplexidade
  • Avaliações qualitativas: pontuação com intervenção humana (human-in-the-loop) e desenho de rubricas
  • Verificações de fidelidade específicas de tarefa e critérios de aceitação

Testes Automatizados e Regressão

  • Testes unitários para prompts e componentes, testes de cenário e ponta-a-ponta
  • Criação de suítes de regressão e linhas de base de exemplos dourados (golden examples)
  • Integração CI/CD para atualizações de modelos Ollama e portões de validação automatizados

Observabilidade e Monitorização

  • Registo estruturado (structured logging), rastros distribuídos e IDs de correlação
  • Métricas operacionais-chave: latência, utilização de tokens, taxas de erro e sinais de qualidade
  • Alertas, painéis de controlo (dashboards) e SLIs/SLOs para serviços baseados em modelos

Análise Avançada de Causa Raiz

  • Rastreio através de prompts grafados, chamadas de ferramentas e fluxos de múltiplas rondas
  • Diagnóstico comparativo A/B e estudos de ablação
  • Proveniência de dados, depuração de datasets e tratamento de falhas induzidas por datasets

Segurança, Robustez e Estratégias de Remediação

  • Mitigações: filtragem, ancoragem (grounding), aumento por recuperação (retrieval augmentation) e estruturação de prompts (prompt scaffolding)
  • Padrões de retorno (rollback), canário (canary) e implementação faseada para atualizações de modelos
  • Análises pós-falha (post-mortems), lições aprendidas e ciclos de melhoria contínua

Resumo e Próximos Passos

Requisitos

  • Sólida experiência na construção e implantação de aplicações LLM
  • Familiaridade com fluxos de trabalho do Ollama e alojamento de modelos
  • Conhecimentos práticos em Python, Docker e ferramentas básicas de observabilidade

Público-Alvo

  • Engenheiros de IA
  • Profissionais de MLOps
  • Equipas de QA responsáveis por sistemas LLM em produção

Formação Empresarial Personalizada

Soluções de formação concebidas exclusivamente para empresas.

  • Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
  • Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
  • Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Investimento

Preço por grupo privado, formação online em direto, a partir de 6500 € + VAT*

Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes

Próximas Formações Provisórias

Categorias Relacionadas