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 grandes modelos hasta Modelos de Lenguaje Pequeños
- Arquitectura y diseño de 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 de modelos
- 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
- Respuesta a preguntas y chatbots
Aplicaciones del Mundo Real de SLMs
- Aplicaciones móviles: Procesamiento de lenguaje en el dispositivo
- Sistemas integrados: 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 despliegues exitosos de SLMs
- Aplicaciones específicas de la industria (Salud, Finanzas, etc.)
- Estudio comparativo: SLMs vs. modelos grandes en producción
Direcciones Futuras
- Tendencias de investigación en SLMs
- Desafíos en la escalabilidad y el despliegue
- Consideraciones éticas e IA responsable
- El camino por delante: SLMs de próxima generación
Talleres Prácticos
- Construcción de un SLM simple para generación de texto
- Integración de SLMs en aplicaciones móviles
- Ajuste fino 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 con SLM
- Prueba e iteración 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
Audiencia
- Científicos de datos
- Desarrolladores de software
- Entusiastas de la IA
14 Horas