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 (SLMs)
- Visión general de los modelos lingüísticos
- Evolución desde modelos grandes hasta Modelos de Lenguaje Pequeños
- Arquitectura y diseño de los SLMs
- Ventajas y limitaciones de los SLMs
Fundamentos técnicos
- Comprensión de las redes neuronales y los parámetros
- Procesos de entrenamiento para SLMs
- Requisitos de datos y optimización del modelo
- Métricas de evaluación para modelos lingüísticos
SLMs en Procesamiento del Lenguaje Natural
- Generación de texto con SLMs
- Traducción e localización de idiomas
- Análisis de sentimientos y clasificación de texto
- Respuesta a preguntas y chatbots
Aplicaciones en el mundo real de los SLMs
- Aplicaciones móviles: procesamiento lingüístico en el dispositivo
- Sistemas integrados: SLMs en dispositivos IoT
- IA respetuosa con la privacidad: procesamiento local de datos
- Computación en el borde: SLMs en entornos de baja latencia
Casos de estudio
- Análisis de implementaciones exitosas de SLMs
- Aplicaciones específicas por industria (Salud, Finanzas, etc.)
- Estudio comparativo: SLMs vs. modelos grandes en producción
Tendencias futuras
- Tendencias de investigación en SLMs
- Desafíos en la escalabilidad y despliegue
- Consideraciones éticas e IA responsable
- El camino a seguir: próxima generación de SLMs
Talleres prácticos
- Construcción de un SLM simple para generación de texto
- Integración de SLMs en aplicaciones móviles
- Ajuste fino de SLMs para tareas específicas
- Análisis de rendimiento e interpretabilidad del modelo
Proyecto integrador
- Identificación de un espacio de problema para la aplicación de SLMs
- Diseño e implementación de una solución con SLM
- Pruebas e iteración sobre el modelo
- Presentación del proyecto y sus resultados
Resumen y próximos pasos
Requerimientos
- Comprensión básica de los 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