Programa del Curso

Introducción a los modelos de lenguaje específicos de dominio

  • Visión general de los modelos lingüísticos en IA
  • Importancia de la especialización en modelos lingüísticos
  • Casos prácticos de modelos exitosos de dominio específico

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 de modelos

  • Introducción al aprendizaje por transferencia y puesta a punto
  • Selección de modelos base para el entrenamiento específico del dominio
  • Técnicas para un ajuste fino eficaz

Métricas de evaluación y rendimiento del modelo

  • Métricas para la evaluación de modelos específicos de dominio
  • Comparación de modelos con tareas específicas del dominio
  • Comprender las limitaciones y las compensaciones

Estrategias de implementación

  • Integración de modelos de lenguaje en aplicaciones específicas de dominio
  • ScalaIbilidad y mantenimiento de los modelos desplegados
  • Aprendizaje continuo y actualizaciones de modelos en la implementación

Enfoque de Dominio Legal

  • Consideraciones especiales para los modelos de lenguaje jurídico
  • Jurisprudencia y corpus estatutario para la formación
  • Aplicaciones en la investigación jurídica y el análisis de documentos

Enfoque en el dominio médico

  • Desafíos en el procesamiento del lenguaje médico
  • Cumplimiento de HIPAA y privacidad de datos
  • Casos de uso en la revisión de la literatura médica y la interacción con el paciente

Enfoque de dominio técnico

  • Jerga técnica y sus implicaciones para los modelos lingüísticos
  • Collaboration con expertos en la materia
  • Generación de documentación técnica y comentarios de código

Proyecto y Evaluación

  • Propuesta de proyecto y recopilación inicial de conjuntos de datos
  • Presentación de un proyecto finalizado y actuación del modelo
  • Evaluación final y retroalimentación

Resumen y próximos pasos

Requerimientos

  • Comprensión básica de los conceptos de aprendizaje automático
  • Familiaridad con Python programación
  • Conocimiento de los fundamentos del procesamiento del lenguaje natural

Audiencia

  • Científicos de datos
  • Ingenieros de aprendizaje automático
 28 horas

Número de participantes



Precio por participante

Cursos Relacionados

Small Language Models (SLMs): Applications and Innovations

14 horas

Small Language Models (SLMs): Developing Energy-Efficient AI

21 horas

Small Language Models (SLMs) for Human-AI Interactions

14 horas

Small Language Models (SLMs) for On-Device AI

21 horas

Adobe Firefly: Generative AI for Creatives

14 horas

Generative AI: Creating Novel Content with AI Models

14 horas

Generative AI for Beginners

14 horas

Generative AI Advanced

21 horas

Generative AI for Managers

21 horas

Generative AI: Impact on Cyber Security

28 horas

Generative AI for Developers

21 horas

Generative AI for Data Synthesis

21 horas

Generative AI in Education: Enhancing Personalized Learning

21 horas

Generative AI in Robotics: Creating Autonomous Solutions

28 horas

Generative AI in Healthcare: Transforming Medicine and Patient Care

21 horas

Categorías Relacionadas