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 Específicos por Dominio
- Vista general de los modelos de lenguaje en la inteligencia artificial.
- Importancia de la especialización en modelos de lenguaje.
- Casos de estudio de modelos específicos por dominio exitosos.
Curación y Preprocesamiento de Datos
- Identificación y recopilación de conjuntos de datos específicos por dominio.
- Técnicas de limpieza y preprocesamiento de datos.
- Consideraciones éticas en la creación de conjuntos de datos.
Entrenamiento y Ajuste Fino del Modelo
- Introducción al aprendizaje por transferencia y ajuste fino (fine-tuning).
- Selección de modelos base para el entrenamiento específico por dominio.
- Técnicas para un ajuste fino efectivo.
Métricas de Evaluación y Rendimiento del Modelo
- Métricas para la evaluación específica por dominio del modelo.
- Puntos de referencia para los modelos frente a tareas específicas por dominio.
- Comprensión de las limitaciones y compensaciones (trade-offs).
Estrategias de Despliegue
- Integración de modelos de lenguaje en aplicaciones específicas por dominio.
- Escalabilidad y mantenimiento de los modelos implementados.
- Aprendizaje continuo y actualización de modelos durante el despliegue.
Enfoque en el Dominio Legal
- Consideraciones especiales para los modelos de lenguaje legales.
- Corpus de jurisprudencia y estatutos para el entrenamiento.
- Aplicaciones en investigación legal y análisis de documentos.
Enfoque en el Dominio Médico
- Desafíos en el procesamiento del lenguaje médico.
- Cumplimiento de HIPAA y privacidad de los datos.
- Casos de uso en revisión de literatura médica e interacción con pacientes.
Enfoque en el Dominio Técnico
- Jerga técnica y sus implicaciones para los modelos de lenguaje.
- Colaboración con expertos en la materia.
- Generación de documentación técnica y comentarios en el código.
Proyecto y Evaluación Final
- Propuesta del proyecto y recopilación inicial del conjunto de datos.
- Presentación de un proyecto completado y rendimiento del modelo.
- Evaluación final y retroalimentación.
Resumen y Próximos Pasos
Requerimientos
- Comprensión básica de los conceptos de aprendizaje automático.
- Conocimiento básico de programación en Python.
- Conocimiento de los fundamentos del procesamiento del lenguaje natural.
Público Objetivo
- Científicos de datos.
- Ingenieros de aprendizaje automático.
28 Horas
