Totalmente práctico y aplicable
Formación en LangSmith a medida
100% bonificable a través de FUNDAE
Curso TUTORIZADO por expertos
Forma a tu equipo sin costes mediante la bonificación estatal.
Este programa de LangSmith para empresas es subvencionable hasta el 100%.
Calcula tu bonificación
Todos nuestros cursos son bonificables a través de FUNDAE.
Gestionamos toda la documentación por ti.
Calcula tu crédito aproximado
Crédito bonificable estimado
420€*
*Cálculo orientativo
Diseñamos una formación a medida utilizando los documentos y flujos de trabajo reales de tu empresa.
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Encuentra todo el temario del curso aquí.
Comprender qué es LangSmith y qué papel cumple en desarrollo, depuración, evaluación, monitorización y despliegue.
Diferenciar observabilidad LLM, logging tradicional, tracing distribuido, testing de prompts y evaluación de calidad.
Identificar por qué las aplicaciones con LLM necesitan trazabilidad más allá de logs de backend convencionales.
Entender qué problemas resuelve: respuestas incorrectas, alucinaciones, latencia, costes, fallos de herramientas y regresiones.
Situar LangSmith dentro de un flujo LLMOps con desarrollo, experimentación, validación, producción y mejora continua.
Reconocer casos de uso: RAG, agentes, chatbots, asistentes internos, clasificadores, extractores y workflows automatizados.
Diferenciar proyecto, trace, run, thread, dataset, experiment, prompt, evaluator, feedback y deployment.
Analizar riesgos de trabajar sin observabilidad: fallos invisibles, coste sin control, prompts rotos y baja confianza.
Definir responsabilidades entre desarrollo, QA, producto, seguridad, plataforma y negocio.
Preparar el caso base del curso: aplicación RAG y agente IA instrumentados, evaluados y monitorizados.
Comprender qué es LangSmith y qué papel cumple en desarrollo, depuración, evaluación, monitorización y despliegue.
Diferenciar observabilidad LLM, logging tradicional, tracing distribuido, testing de prompts y evaluación de calidad.
Identificar por qué las aplicaciones con LLM necesitan trazabilidad más allá de logs de backend convencionales.
Entender qué problemas resuelve: respuestas incorrectas, alucinaciones, latencia, costes, fallos de herramientas y regresiones.
Situar LangSmith dentro de un flujo LLMOps con desarrollo, experimentación, validación, producción y mejora continua.
Reconocer casos de uso: RAG, agentes, chatbots, asistentes internos, clasificadores, extractores y workflows automatizados.
Diferenciar proyecto, trace, run, thread, dataset, experiment, prompt, evaluator, feedback y deployment.
Analizar riesgos de trabajar sin observabilidad: fallos invisibles, coste sin control, prompts rotos y baja confianza.
Definir responsabilidades entre desarrollo, QA, producto, seguridad, plataforma y negocio.
Preparar el caso base del curso: aplicación RAG y agente IA instrumentados, evaluados y monitorizados.
Desarrolladores de aplicaciones LLM y agentes IA
Este curso encaja con desarrolladores que crean asistentes, APIs GenAI, agentes, sistemas RAG, clasificadores, extractores o automatizaciones con modelos de lenguaje. La formación les permite instrumentar su código, depurar trazas, evaluar resultados y mejorar prompts con datos.
Machine Learning Engineers y equipos LLMOps
Los perfiles de ML y LLMOps podrán usar LangSmith para validar calidad, comparar modelos, medir regresiones, preparar datasets, evaluar outputs, versionar experimentos y llevar aplicaciones GenAI a producción con control técnico.
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
LangSmith es una plataforma para observar, depurar, evaluar, monitorizar, gestionar prompts y desplegar aplicaciones LLM y agentes IA.
No. Tiene integración muy cómoda con LangChain y LangGraph, pero también puede instrumentar aplicaciones propias y otros stacks mediante SDKs y trazas.
Los logs muestran eventos técnicos. LangSmith permite ver trazas específicas de LLM: prompts, modelos, retrieval, tools, outputs, feedback, coste y calidad.
Sí. Es un curso técnico. Se recomienda experiencia con Python o TypeScript, APIs, prompts, LLMs, RAG, Git y conceptos de backend.
Sí. Se instrumentan sistemas RAG para analizar documentos recuperados, relevancia, groundedness, respuesta final, costes, latencia y errores.
Sí. El curso incluye tracing de agentes, tool calls, trayectorias, LangGraph, evaluación de comportamiento y depuración de rutas complejas.
Son conjuntos de ejemplos usados para evaluar aplicaciones LLM de forma repetible, comparando versiones, prompts, modelos o pipelines.
Son colas de revisión humana donde expertos evalúan runs, comparan respuestas, añaden feedback y ayudan a construir datasets de calidad.
Son funciones o criterios que puntúan outputs. Pueden ser reglas de código, evaluadores LLM-as-judge, comparaciones pairwise o revisión humana.
Sí. El curso cubre creación, versionado, entornos, Playground, herramientas, structured outputs, evaluación y uso programático de prompts.
Sí. Se crean dashboards de calidad, coste, tokens, latencia, errores y feedback, además de alertas por degradación o comportamiento anómalo.
Sí. Se trabaja cost tracking, análisis por modelo, prompt, usuario, feature y estrategia para reducir coste sin perder calidad crítica.
Sí. El curso está orientado a producción: observabilidad, monitorización, evaluaciones online, alertas, seguridad, CI/CD y runbooks.
Sí. Se aborda self-hosted, cloud e hybrid desde la perspectiva de arquitectura, operación, privacidad, requisitos y gobierno enterprise.
Una aplicación LLM/RAG/agente instrumentada con trazas, datasets, evaluaciones, prompts, dashboards, alertas, CI/CD, documentación y gobierno.
Sí. Puede adaptarse a chatbots, RAG, asistentes internos, agentes, extractores, clasificadores, soporte, legal, RRHH, ventas, IT o documentación.
Sí, esta formación puede ser bonificable hasta el 100% a través de FUNDAE, siempre que la empresa disponga de crédito formativo suficiente y se cumplan los requisitos de comunicación, asistencia y documentación exigidos.
¿Tienes dudas?
Estamos aqui para ayudarte
LangSmith es una plataforma para observar, depurar, evaluar, monitorizar, gestionar prompts y desplegar aplicaciones LLM y agentes IA.
¿Tienes dudas?
Estamos aqui para ayudarte
No. Tiene integración muy cómoda con LangChain y LangGraph, pero también puede instrumentar aplicaciones propias y otros stacks mediante SDKs y trazas.
Los logs muestran eventos técnicos. LangSmith permite ver trazas específicas de LLM: prompts, modelos, retrieval, tools, outputs, feedback, coste y calidad.
Sí. Es un curso técnico. Se recomienda experiencia con Python o TypeScript, APIs, prompts, LLMs, RAG, Git y conceptos de backend.
Sí. Se instrumentan sistemas RAG para analizar documentos recuperados, relevancia, groundedness, respuesta final, costes, latencia y errores.
Sí. El curso incluye tracing de agentes, tool calls, trayectorias, LangGraph, evaluación de comportamiento y depuración de rutas complejas.
Son conjuntos de ejemplos usados para evaluar aplicaciones LLM de forma repetible, comparando versiones, prompts, modelos o pipelines.
Son colas de revisión humana donde expertos evalúan runs, comparan respuestas, añaden feedback y ayudan a construir datasets de calidad.
Son funciones o criterios que puntúan outputs. Pueden ser reglas de código, evaluadores LLM-as-judge, comparaciones pairwise o revisión humana.
Sí. El curso cubre creación, versionado, entornos, Playground, herramientas, structured outputs, evaluación y uso programático de prompts.
Sí. Se crean dashboards de calidad, coste, tokens, latencia, errores y feedback, además de alertas por degradación o comportamiento anómalo.
Sí. Se trabaja cost tracking, análisis por modelo, prompt, usuario, feature y estrategia para reducir coste sin perder calidad crítica.
Sí. El curso está orientado a producción: observabilidad, monitorización, evaluaciones online, alertas, seguridad, CI/CD y runbooks.
Sí. Se aborda self-hosted, cloud e hybrid desde la perspectiva de arquitectura, operación, privacidad, requisitos y gobierno enterprise.
Una aplicación LLM/RAG/agente instrumentada con trazas, datasets, evaluaciones, prompts, dashboards, alertas, CI/CD, documentación y gobierno.
Sí. Puede adaptarse a chatbots, RAG, asistentes internos, agentes, extractores, clasificadores, soporte, legal, RRHH, ventas, IT o documentación.
Sí, esta formación puede ser bonificable hasta el 100% a través de FUNDAE, siempre que la empresa disponga de crédito formativo suficiente y se cumplan los requisitos de comunicación, asistencia y documentación exigidos.
Cuéntanos tus objetivos de negocio y prepararemos una propuesta formativa bonificable totalmente ad hoc
Revisamos tu caso
Preparamos la gestión
Tu equipo realiza el curso
Aplicas la bonificación
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Los alumnos podrán revisar las sesiones grabadas para repasar conceptos clave, recuperar explicaciones concretas o reforzar aquellos contenidos que necesiten después de la clase en directo.
Materiales, sesiones grabadas y documentación de apoyo quedan centralizados en la plataforma para que el equipo pueda consultarlos durante y después de la formación.
La plataforma permite registrar y confirmar la asistencia de los participantes, facilitando el seguimiento de la formación y la gestión documental necesaria para la bonificación FUNDAE.
Después de la formación en directo, los alumnos podrán acceder a ejercicios prácticos para aplicar lo trabajado en clase y consolidar el aprendizaje con actividades guiadas.
Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
Los arquitectos podrán diseñar una estrategia completa de observabilidad y evaluación para aplicaciones IA, definiendo trazabilidad, métricas, datasets, prompts, despliegues, seguridad, gobierno y operación.
QA Engineers y responsables de calidad
Los equipos de calidad podrán trasladar pruebas, criterios de aceptación, regresión, revisión humana, anotaciones y quality gates al mundo LLM, donde las respuestas no siempre son deterministas.
Equipos DevOps, platform engineering y SRE
Los perfiles de plataforma aprenderán a operar LangSmith, configurar observabilidad, dashboards, alertas, despliegues, self-hosted, métricas, logs, seguridad, usuarios, permisos y flujos productivos.
Consultores de IA, RAG y transformación digital
Los consultores podrán usar LangSmith para auditar aplicaciones LLM, medir calidad, justificar mejoras, crear pilotos, diseñar gobierno, preparar informes y acompañar a clientes desde prototipo hasta producción.
