Contacta con nosotros

Temario del curso

Introducción a los Modelos de Lenguaje Pequeños (SLMs)

  • Vista general de los modelos de lenguaje.
  • Evolución desde modelos grandes hacia Modelos de Lenguaje Pequeños.
  • Arquitectura y diseño de los SLMs.
  • Ventajas y limitaciones de los SLMs.

Fundamentos Técnicos

  • Comprensión de redes neuronales y parámetros.
  • Procesos de entrenamiento para SLMs.
  • Requisitos de datos y optimización del modelo.
  • Métricas de evaluación para modelos de lenguaje.

SLMs en Procesamiento de Lenguaje Natural

  • Generación de texto con SLMs.
  • Traducción e localización de idiomas.
  • Análisis de sentimiento y clasificación de texto.
  • Respondimiento a preguntas y chatbots.

Aplicaciones en el Mundo Real de los SLMs

  • Aplicaciones móviles: procesamiento de lenguaje en el dispositivo.
  • Sistemas embebidos: SLMs en dispositivos IoT.
  • IA que preserva la privacidad: procesamiento de datos local.
  • Computación en el borde: SLMs en entornos de baja latencia.

Casos de Estudio

  • Análisis de implementaciones exitosas de SLMs.
  • Aplicaciones específicas por industria (Salud, Finanzas, etc.).
  • Estudio comparativo: SLMs vs. modelos grandes en producción.

Direcciones Futuras

  • Tendencias de investigación en SLMs.
  • Desafíos en el escalado y despliegue.
  • Consideraciones éticas e IA responsable.
  • El camino a seguir: SLMs de próxima generación.

Talleres Prácticos

  • Construcción de un SLM simple para generación de texto.
  • Integración de SLMs en aplicaciones móviles.
  • Ajuste fino (fine-tuning) de SLMs para tareas específicas.
  • Análisis de rendimiento e interpretabilidad del modelo.

Proyecto Final

  • Identificación de un espacio de problemas para la aplicación de SLMs.
  • Diseño e implementación de una solución basada en SLMs.
  • Pruebas e iteración sobre el modelo.
  • Presentación del proyecto y resultados.

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento básico de conceptos de aprendizaje automático.
  • Domino familiaridad con la programación en Python.
  • Conocimientos sobre redes neuronales y aprendizaje profundo.

Público Objetivo

  • Científicos de datos.
  • Desarrolladores de software.
  • Entusiastas de la IA.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas