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 (SLM)
- Visión general de los modelos de lenguaje
- Evolución desde grandes modelos hacia Modelos de Lenguaje Pequeños
- Arquitectura y diseño de los SLM
- Ventajas y limitaciones de los SLM
Fundamentos técnicos
- Comprensión de las redes neuronales y los parámetros
- Procesos de entrenamiento para los SLM
- Requisitos de datos y optimización del modelo
- Métricas de evaluación para modelos de lenguaje
SLM en el procesamiento del lenguaje natural
- Generación de texto con SLM
- Traducción e localización de idiomas
- Análisis de sentimiento y clasificación de texto
- Respuesta a preguntas y chatbots
Aplicaciones en el mundo real de los SLM
- Aplicaciones móviles: Procesamiento de lenguaje en el dispositivo
- Sistemas integrados: SLM en dispositivos IoT
- IA que preserva la privacidad: procesamiento de datos locales
- Computación en el borde: SLM en entornos de baja latencia
Casos de estudio
- Análisis de implementaciones exitosas de SLM
- Aplicaciones específicas de la industria (Salud, Finanzas, etc.)
- Estudio comparativo: SLM frente a grandes modelos en producción
Tendencias futuras
- Tendencias de investigación en SLM
- Desafíos en el escalado y despliegue
- Consideraciones éticas e IA responsable
- El camino por delante: SLM de próxima generación
Talleres prácticos
- Construcción de un SLM simple para la generación de texto
- Integración de SLM en aplicaciones móviles
- Ajuste fino de SLM para tareas específicas
- Análisis de rendimiento e interpretabilidad del modelo
Proyecto final
- Identificación de un espacio de problemas para la aplicación de SLM
- Diseño e implementación de una solución SLM
- Pruebas e iteraciones del modelo
- Presentación del proyecto y los 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