Modelos personalizados de inteligencia artificial generativa: desarrolla tu propio chatbot
Descripción
1. Conceptos básicos sobre LLMs y recuperación de datos
• LLMs y Transformers: Superan las limitaciones de redes clásicas (CNNs, RNNs) mediante autoatención y paralelización.
• Herramientas: Uso de Hugging Face y Google Colab para operar LLMs.
• RAG: Recuperación de datos integrada con LLMs para mejorar búsquedas.
2. Procesamiento de datos no estructurados
• Texto y multimedia: Limpieza, fragmentación, vectorización y procesamiento de documentos, imágenes y videos.
• Indexación: Preparación de datos para consultas eficientes con técnicas modernas.
3. Embeddings y bases de datos vectoriales
• Bases vectoriales: Ventajas frente a métodos tradicionales y su • integración con Sentence Transformers.
• Almacenamiento y Fine-tuning: Generación de embeddings y ajuste de modelos personalizados.
4. Crea tu chatbot con datos personalizados
• Desarrollo: Creación de un chatbot alojado en Hugging Face o servidores locales.
• Evaluación: Estrategias para medir efectividad (Recall, MRR).
5. Despliegues de LLMs, plataformas y herramientas
• Entornos locales y en la nube: Configuración, optimización y mantenimiento de despliegues.
• Herramientas: Amazon Sagemaker, Google Vertex AI, entre otros.
• Desafíos y seguridad: Métodos para optimizar rendimiento y garantizar seguridad.
Dirigido a
Profesionales y estudiantes de tecnologías de la información, ciencias de datos, inteligencia artificial y áreas afines que desean adquirir conocimientos fundamentales sobre los Modelos de Lenguaje de Gran Escala (LLMs) y su aplicación en la inteligencia artificial generativa. Es ideal para:
Desarrolladores de software y programadores interesados en inteligencia artificial.
Analistas de datos y científicos de datos que buscan mejorar sus habilidades en procesamiento y recuperación de información.
Ingenieros de sistemas y arquitectos de soluciones que desean implementar soluciones basadas en LLMs.
Estudiantes y académicos interesados en las aplicaciones prácticas de la inteligencia artificial generativa.