Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
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.
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