Contacta con nosotros

Temario del curso

Introducción al Ajuste Fino

  • ¿Qué es el ajuste fino?
  • Casos de uso y beneficios del ajuste fino
  • Visión general de los modelos preentrenados y el aprendizaje por transferencia

Preparación para el Ajuste Fino

  • Recopilación y limpieza de conjuntos de datos
  • Comprensión de los requisitos de datos específicos de la tarea
  • Análisis exploratorio de datos y preprocesamiento

Técnicas de Ajuste Fino

  • Aprendizaje por transferencia y extracción de características
  • Ajuste fino de transformadores con Hugging Face
  • Ajuste fino para tareas supervisadas frente a no supervisadas

Ajuste Fino de Modelos de Lenguaje Grande (LLM)

  • Adaptación de LLM para tareas de PLN (p. ej., clasificación de texto, resumido)
  • Entrenamiento de LLM con conjuntos de datos personalizados
  • Control del comportamiento de LLM mediante ingeniería de prompts

Optimización y Evaluación

  • Ajuste de hiperparámetros
  • Evaluación del rendimiento del modelo
  • Abordaje del sobreajuste y el subajuste

Escalabilidad de los Esfuerzos de Ajuste Fino

  • Ajuste fino en sistemas distribuidos
  • Aprovechamiento de soluciones basadas en la nube para escalabilidad
  • Casos de estudio: proyectos de ajuste fino a gran escala

Mejores Prácticas y Desafíos

  • Mejores prácticas para el éxito del ajuste fino
  • Desafíos comunes y resolución de problemas
  • Consideraciones éticas en el ajuste fino de modelos de IA

Temas Avanzados (Opcional)

  • Ajuste fino de modelos multimodales
  • Aprendizaje zero-shot y few-shot
  • Exploración de técnicas LoRA (Adaptación de Bajo Rango)

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento de los fundamentos del aprendizaje automático
  • Experiencia con programación en Python
  • Familiaridad con modelos preentrenados y sus aplicaciones

Público Objetivo

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Investigadores de IA
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas