# Charlas y formación en inteligencia artificial Comparto trabajo técnico sobre inteligencia artificial desde Uruguay. Estas propuestas están dirigidas a comunidades, universidades, organizaciones y equipos que quieren entender cómo diseñar y evaluar sistemas de IA con código y evidencia. El punto de partida son mis proyectos públicos: decisiones de arquitectura, experimentos, resultados negativos y límites. Cada tema puede plantearse como una charla para discutir criterios o como un taller para recorrer una implementación y examinar sus resultados. [Invitar a una charla o proponer una formación]() ## Temas propuestos ### Agentes de IA que actúan: permisos, fallos y recuperación **Para quién:** Equipos de software e IA, comunidades de desarrollo y estudiantes con bases de programación. **Qué trabajamos** - Separar la propuesta del modelo de la autorización y la ejecución de una herramienta. - Analizar un timeout sin asumir que la operación falló ni repetir su efecto. - Recorrer trazas, permisos y pruebas de recuperación de los proyectos de referencia. **Material público de referencia:** - [Agent Replay Runtime]() · [Código fuente]() - [Agent Tool Capabilities]() · [Código fuente]() [Arquitectura de agentes de inteligencia artificial]() ### Evaluar modelos y agentes antes de aceptar una mejora **Para quién:** Equipos de IA y datos, responsables de calidad y líderes de tecnología o producto. **Qué trabajamos** - Definir una tarea, un criterio de aceptación y un conjunto de evaluación versionado. - Distinguir éxito de tarea, cumplimiento de restricciones y regresiones por segmento. - Interpretar resultados, fallos y casos que requieren revisión en lugar de una aprobación automática. **Material público de referencia:** - [Model Regression Gate]() · [Código fuente]() - [Agent Injection Evals]() · [Código fuente]() [Evaluación de LLM y agentes de IA]() ### RAG con evidencia: recuperación, idiomas y respuestas **Para quién:** Equipos que construyen búsqueda o asistentes sobre documentos; estudiantes de ingeniería y ciencia de datos. **Qué trabajamos** - Separar la calidad de recuperación de la calidad de la respuesta. - Comparar enfoques léxicos, densos e híbridos sobre un corpus y consultas definidos. - Examinar errores de ranking y diferencias entre consultas y documentos en español e inglés. **Material público de referencia:** - [RAG Evaluation Workbench]() · [Código fuente]() - [Bilingual Retrieval Evals]() · [Código fuente]() [RAG: recuperación, búsqueda y evaluación]() ### Inferencia de IA: medir latencia, memoria y calidad **Para quién:** Ingeniería de plataformas, equipos de IA y responsables de decisiones de infraestructura. **Qué trabajamos** - Distinguir espera del primer token, generación y duración total. - Medir almacenamiento de pesos y memoria del proceso como variables distintas. - Leer un experimento de cuantización sin extrapolar sus resultados a otro modelo o hardware. **Material público de referencia:** - [LLM Serving Bench]() · [Código fuente]() - [Quantization Quality Lab]() · [Código fuente]() [Inferencia de IA: latencia, memoria y calidad]() ## Formatos para acordar Charla técnica Una exposición centrada en un problema, las decisiones que lo condicionan y la evidencia disponible, con espacio para preguntas. Taller con código Recorrido de un repositorio público, su configuración y sus pruebas. El alcance se define según el nivel del grupo, el tiempo y el entorno disponible. Sesión para líderes de tecnología Discusión de criterios para evaluar una propuesta de IA: qué comprobar, qué riesgos controlar y qué evidencia pedir antes de decidir. ## Cómo se prepara la sesión 1. Acordamos el público, su experiencia previa y la decisión o habilidad que la sesión debe ayudar a desarrollar. 2. Elegimos un tema y materiales públicos acordes al alcance. Para un taller, definimos requisitos técnicos y qué parte se ejecutará o revisará. 3. Separamos lo observado en los experimentos de lo que todavía requiere validación en otro entorno. Las referencias permiten continuar el trabajo después de la sesión. ## Presentación breve para organizadores Lucio Durán es C.T.O. en LOi y trabaja desde Uruguay. Su trabajo público combina arquitectura de software e inteligencia artificial aplicada, con proyectos abiertos sobre agentes, evaluación de modelos de lenguaje, RAG e inferencia. Publica código, métodos y resultados junto con el alcance y las limitaciones de cada experimento. [Experiencia y formación]() · [Todos los proyectos]() ## Proponer una invitación Enviame el nombre de la organización o evento, el público, el tema de interés, las fechas tentativas, el formato presencial o remoto y el tiempo disponible. Con ese contexto podemos conversar sobre alcance, requisitos y condiciones. [Escribir una propuesta]() · [email@lucioduran.com]() [Otros medios de contacto]()