Fundamentos de Modelos de Lenguaje Grandes en Python

Los Modelos de Lenguaje Grandes (LLMs) están transformando la forma en que interactuamos con la tecnología, pero comprender cómo funcionan internamente es esencial para cualquier desarrollador moderno. Este curso basado en texto te guía desde los conceptos básicos del procesamiento del lenguaje natural hasta el trabajo con potentes modelos pre-entrenados. Obtendrás una base conceptual y práctica sólida en arquitecturas de LLMs, aprendiendo a aprovechar herramientas de código abierto para construir, ajustar y evaluar modelos para tareas de generación y procesamiento de texto del mundo real. Lo que aprenderás: - Comprender conceptos fundamentales de LLMs, arquitecturas transformer y técnicas de tokenización. - Cargar y utilizar modelos y conjuntos de datos pre-entrenados usando la biblioteca Hugging Face. - Ajustar modelos de lenguaje en conjuntos de datos de texto personalizados para adaptarlos a tareas específicas. - Evaluar el rendimiento del modelo usando métricas estándar de la industria e identificar sesgos. - Aplicar técnicas básicas de ingeniería de prompts y explorar patrones de generación aumentada por recuperación (RAG). El curso comienza con terminología central y conceptos arquitectónicos antes de pasar a implementaciones prácticas basadas en código. Progresarás a través de la carga de modelos, procesos de ajuste y patrones de aplicación modernos, todo dentro de un formato escrito estructurado. Este curso está diseñado para principiantes con conocimientos básicos de Python que desean ingresar al campo de la IA generativa. No se requiere experiencia previa en aprendizaje automático. Comienza tu viaje al mundo de los modelos de lenguaje grandes hoy mismo.