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 del Dominio
- Visión general de los modelos de lenguaje en inteligencia artificial.
- Importancia de la especialización en los modelos de lenguaje.
- Estudios de caso de modelos específicos del dominio exitosos.
Curación y Preprocesamiento de Datos
- Identificación y recopilación de conjuntos de datos específicos del dominio.
- Técnicas de limpieza y preprocesamiento de datos.
- Consideraciones éticas en la creación de conjuntos de datos.
Entrenamiento y Ajuste Fino de Modelos
- Introducción al aprendizaje por transferencia y al ajuste fino.
- Selección de modelos base para el entrenamiento específico del dominio.
- Técnicas para un ajuste fino efectivo.
Métricas de Evaluación y Rendimiento del Modelo
- Métricas para la evaluación de modelos específicos del dominio.
- Pruebas comparativas de los modelos frente a tareas específicas del dominio.
- Comprensión de las limitaciones y compensaciones (trade-offs).
Estrategias de Despliegue
- Integración de modelos de lenguaje en aplicaciones específicas del dominio.
- Escalabilidad y mantenimiento de los modelos desplegados.
- Aprendizaje continuo y actualizaciones de modelos durante el despliegue.
Enfoque en el Dominio Legal
- Consideraciones especiales para los modelos de lenguaje legales.
- Corpus de jurisprudencia y legislación para el entrenamiento.
- Aplicaciones en investigación legal y análisis documental.
Enfoque en el Dominio Médico
- Desafíos en el procesamiento del lenguaje médico.
- Cumplimiento de HIPAA y privacidad de los datos.
- Casos de uso en la 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
- Propuesta del proyecto y recopilación inicial del conjunto de datos.
- Presentación de un proyecto completo y rendimiento del modelo.
- Evaluación final y retroalimentación.
Resumen y Próximos Pasos
Requerimientos
- Comprensión básica de los conceptos de aprendizaje automático.
- Familiaridad con la programación en Python.
- Conocimiento de los fundamentos del procesamiento de lenguaje natural.
Público Objetivo
- Científicos de datos.
- Ingenieros de aprendizaje automático.
28 Horas
