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 (SLMs)
- Visión general de los modelos de lenguaje
- Evolución desde los grandes modelos hacia los Modelos de Lenguaje Pequeños
- Arquitectura y diseño de los SLMs
- Ventajas y limitaciones de los SLMs
Fundamentos técnicos
- Comprensión de las redes neuronales y los parámetros
- Procesos de entrenamiento para los SLMs
- Requisitos de datos y optimización del modelo
- Métricas de evaluación para modelos de lenguaje
SLMs en el Procesamiento del Lenguaje Natural
- Generación de texto con SLMs
- Traducción e localización de idiomas
- Análisis de sentimientos y clasificación de texto
- Respuesta a preguntas y chatbots
Aplicaciones prácticas de los SLMs
- Aplicaciones móviles: procesamiento de lenguaje en el dispositivo
- Sistemas embebidos: SLMs en dispositivos IoT
- IA que preserva la privacidad: procesamiento local de datos
- Computación perimetral (edge computing): SLMs en entornos de baja latencia
Casos de estudio
- Análisis de implementaciones exitosas de SLMs
- Aplicaciones específicas por sector (Salud, Finanzas, etc.)
- Estudio comparativo: SLMs frente a grandes modelos en producción
Tendencias futuras
- Líneas de investigación actuales en SLMs
- Desafíos en el escalado y despliegue
- Consideraciones éticas e inteligencia artificial responsable
- Hacia el futuro: 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 del rendimiento e interpretabilidad del modelo
Proyecto final
- Identificación de un campo problemático para la aplicación de SLMs
- Diseño e implementación de una solución basada en SLM
- Pruebas y iteración del modelo
- Presentación del proyecto y sus resultados
Resumen y siguientes pasos
Requerimientos
- Conocimientos básicos sobre 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 inteligencia artificial
14 Horas