Comienza tu viaje con los Grandes Modelos Lingüísticos (LLM) comprendiendo lo que son y lo que pueden hacer, ¡y echa un vistazo bajo el capó para hacerte una idea de cómo funcionan!

Introducción a los grandes modelos lingüísticos (LLM)

Utilizar un pipeline para resumir

Limpieza de respuestas

Utilizar LLM preentrenados

Generar texto

Traducir texto

Comprender el transformador

Identifica el transformador

Utilizar la estructura correcta del modelo

Aprende a aprovechar los LLM preentrenados y los conjuntos de datos de Hugging Face para afinar un modelo.

Preparación para la puesta a punto

Tokenizar texto

Asignación de tokenización

Perfeccionamiento mediante la formación

Establecer argumentos de formación

Configurar el entrenador

Utilizando el modelo afinado

Enfoques de ajuste

Aprendizaje por transferencia con aprendizaje único

Enfoques de aprendizaje por transferencia

Ajuste de los LLM

Sumérgete en diferentes métricas para evaluar el rendimiento de los modelos y termina aprendiendo sobre los retos de aplicar los LLM en el mundo real.

La biblioteca de evaluación

Cargar métricas con evaluar

Describir las métricas

Utilizar métricas de evaluación

Métricas para tareas lingüísticas: perplejidad y BLEU

Evaluar la perplejidad

BLEU traducciones

Métricas para tareas lingüísticas: ROUGE, METEOR, EM

Evaluar con ROUGE

Evaluar con METEOR

Evaluar con EM

Salvaguardar los LLM

Comprobación de la toxicidad

Evaluar la consideración

La meta

Evaluar el rendimiento de LLM

Large Language Models (LLMs) have become pivotal tools driving some of the most stunning advancements and applications in today's AI landscape. This hands-on course will equip you with the practical knowledge and skills needed to understand, build, and harness the power of LLMs for solving complex language tasks such as translation, language generation, question-answering, and more. Through iteractive coding exercises, you will learn to work with transformers. You'll also explore pre-trained language models and datasets from Hugging Face. By the end of this course, you will be able to fine-tune and evaluate pre-trained LLMs using specialized metrics. You will also gain an understanding of the key challenges and ethical considerations of enabling real-world LLM applications.

<h2>Descubre qué se esconde tras el bombo de los grandes modelos lingüísticos</h2>
<br><br>
Los Grandes Modelos Lingüísticos (LLM) se han convertido en herramientas fundamentales que impulsan algunos de los avances y aplicaciones más asombrosos en el panorama actual de la IA. Este curso práctico te dotará de los conocimientos prácticos y las habilidades necesarias para comprender, construir y aprovechar la potencia de los LLM para resolver tareas lingüísticas complejas como la traducción, la generación de idiomas y mucho más.
<br><br>
<h2>Descubre la arquitectura LLM y aprovecha los modelos preentrenados</h2>
<br><br>
Mediante ejercicios interactivos de codificación, descubrirás diferentes arquitecturas de transformadores y cómo identificarlas. Explorarás cómo aprovechar los modelos lingüísticos preentrenados y los conjuntos de datos de Hugging Face para afinar y evaluar tu modelo utilizando métricas avanzadas que se ajusten a los LLM. Por último, obtendrás más información sobre los problemas éticos y de prejuicios relevantes para los LLM y las formas de identificarlos. Al final de este curso, serás capaz de construir LLMs, afinarlos y evaluarlos utilizando métricas especializadas, al tiempo que comprendes los retos clave y las consideraciones éticas de habilitar aplicaciones LLM en el mundo real.

Working with Hugging Face

¡Aprende los fundamentos de los LLMs y la revolucionaria arquitectura transformer en la que se basan!

Introduction to LLMs in Python

Aprende los entresijos de los LLM y la revolucionaria arquitectura de transformadores en la que se basan.

Ingeniero Asociado de IA para Científicos de Datos

Desarrollar grandes modelos lingüísticos

Fundamentos de Hugging Face

Fundamentos de Snowflake AI

Utilizar un pipeline para resumir

Introduction to LLMs in Python

Instrucciones del ejercicio

Ejercicio interactivo práctico