Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a los Modelos de Lenguaje Pequeños (SLM)
- Visión general de los modelos de lenguaje
- Evolución desde modelos grandes hasta Modelos de Lenguaje Pequeños
- Arquitectura y diseño de SLM
- Ventajas y limitaciones de SLM
Fundamentos Técnicos
- Comprensión de redes neuronales y parámetros
- Procesos de entrenamiento para SLM
- Requisitos de datos y optimización del modelo
- Métricas de evaluación para modelos de lenguaje
SLM en Procesamiento del Lenguaje Natural
- Generación de texto con SLM
- Traducción de idiomas y localización
- Análisis de sentimiento y clasificación de texto
- Respuesta a preguntas y chatbots
Aplicaciones del Mundo Real de SLM
- Aplicaciones móviles: Procesamiento de lenguaje en el dispositivo
- Sistemas integrados: SLM en dispositivos IoT
- IA que preserva la privacidad: Procesamiento local de datos
- Computación perimetral (edge computing): SLM en entornos de baja latencia
Casos de Estudio
- Análisis de despliegues exitosos de SLM
- Aplicaciones específicas por industria (Salud, Finanzas, etc.)
- Estudio comparativo: SLM frente a modelos grandes en producción
Futuras Direcciones
- Tendencias de investigación en SLM
- Desafíos en el escalado y despliegue
- Consideraciones éticas e IA responsable
- El camino por delante: SLM de próxima generación
Talleres Prácticos
- Construcción de un SLM simple para generación de texto
- Integración de SLM en aplicaciones móviles
- Ajuste fino de SLM para tareas específicas
- Análisis de rendimiento e interpretabilidad del modelo
Proyecto Final
- Identificación de un espacio problemático para la aplicación de SLM
- Diseño e implementación de una solución SLM
- Pruebas e iteración sobre el modelo
- Presentación del proyecto y sus resultados
Resumen y Próximos Pasos
Requerimientos
- Conocimiento básico de conceptos de aprendizaje automático
- Familiaridad con la programación en Python
- Conocimiento de redes neuronales y aprendizaje profundo
Público Objetivo
- Científicos de datos
- Desarrolladores de software
- Entusiastas de la IA
14 Horas