Conceptos de grandes modelos lingüísticos (LLM)
Dominar los conceptos de los grandes modelos lingüísticos (LLM)
Comience El Curso Gratis2 Horas15 Videos50 Ejercicios
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas
Preferido por estudiantes en miles de empresas
Descripción del curso
En este curso, explorarás el mundo de los grandes modelos lingüísticos (LLM) y descubrirás en qué modo están remodelando el panorama de la IA. Verás cómo están revolucionando las empresas y la vida cotidiana de las personas a través de ejemplos del mundo real y aprenderás sus componentes básicos. A medida que progreses, también conocerás mejor cuáles son las metodologías de entrenamiento de estos modelos. y, por último, abordarás las consideraciones éticas y ambientales fundamentales para los LLM, además de aprender sobre el posible futuro de los LLM. Al final de este curso, tendrás un conocimiento exhaustivo de los LLM, así como de sus capacidades, aplicaciones y retos.
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
- 1
Introducción a los modelos de lenguaje de gran tamaño (LLM)
GratuitoEl panorama de la IA evoluciona rápidamente, y los modelos de lenguaje de gran tamaño (LLM) se encuentran a la vanguardia de esta evolución. En este capítulo se examina cómo están avanzando los LLM en el desarrollo de una inteligencia artificial similar a la humana, y cómo están transformando los diversos sectores con sus numerosas aplicaciones. Descubrirás los retos y la complejidad que se asocian a los modelos de lenguaje.
El auge de los LLM en el panorama de la IA50 xpDefinición de un LLM50 xpLos LLM en el panorama de la IA100 xpIA frente a aplicaciones de LLM100 xpAplicaciones del mundo real50 xpAplicaciones para empresas50 xpAplicaciones multimodales100 xpAutomatizar las tareas basadas en datos50 xpRetos del modelado lingüístico50 xp¿Qué puede hacer un modelo lingüístico?50 xpAprendizaje monotarea frente a multitarea100 xp - 2
Elementos básicos de los LLM
Este capítulo destaca la novedad de los LLM y sus capacidades emergentes, al mismo tiempo que describe diversas técnicas de NLP para la preparación de datos. Aprenderás cuáles son los retos que plantea el entrenamiento de los LLM y cómo superarlos de forma eficaz con el ajuste fino. También comprenderás cómo las técnicas de aprendizaje N-shot permiten una adaptación eficiente de los modelos preentrenados cuando se enfrentan a datos etiquetados limitados.
Novedad de los LLM50 xpResolución de problemas con LLM50 xpModelos tradicionales frente a LLM100 xpVisión general del NLP50 xpPreparación de datos50 xpPreprocesamiento y representación de textos100 xpEncajes léxicos sobre bolsa de palabras50 xpAjuste fino50 xpRetos en la creación de LLM50 xpAdaptar un modelo preentrenado50 xp¿Preentrenado o ajustado?100 xpTécnicas de aprendizaje50 xpAjustar un modelo50 xpAprendizaje N-shot100 xp - 3
Metodología y técnicas de entrenamiento
En este capítulo, conocerás los componentes fundamentales del entrenamiento de un LLM, como las técnicas de preentrenamiento. También adquirirás una comprensión intuitiva de conceptos complejos como la arquitectura de los transformadores, incluido el mecanismo de atención. El capítulo muestra una técnica avanzada de ajuste fino y resume el proceso de entrenamiento que se necesita para completar un LLM.
Componentes para entrenar LLM50 xpLenguaje enmascarado50 xpPrever la siguiente palabra50 xpCreación desde cero100 xpPresentación del transformador50 xpRelaciones entre palabras distantes50 xpComponentes del transformador100 xpMecanismos de atención50 xpDetalles de Multi-Head Attention50 xpAutoatención frente a Multi-Head Attention100 xpAjuste fino avanzado50 xpEntrenamiento integral100 xpEntrenamiento, ajuste y retroalimentación50 xpCreación de un LLM50 xp - 4
Preocupaciones y consideraciones
En este capítulo, profundizamos en las consideraciones clave a la hora de entrenar los LLM, como la disponibilidad de grandes conjuntos de datos, la calidad de los datos, el etiquetado exacto y las implicaciones de los datos sesgados. También examinarás diversos riesgos de los LLM, como la privacidad de los datos, las cuestiones éticas y el impacto medioambiental. Por último, el capítulo concluye debatiendo las áreas de investigación emergentes y el panorama en evolución de los LLM.
Preocupaciones y consideraciones sobre datos50 xp¿Tu modelo es justo?50 xpImparcial y relevante100 xpAtención al cliente de un banco50 xpPreocupaciones éticas y medioambientales50 xpUso responsable50 xpÉtica y medioambiente100 xp¿Hacia dónde se dirigen los LLM?50 xpCreatividad frente a eficiencia100 xpAnálisis de obras literarias100 xpResumen50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Colaboradores
Requisitos Previos
Understanding Machine LearningVidhi Chugh
Ver MasAI Strategist and Ethicist
¿Qué tienen que decir otros alumnos?
¡Únete a 13 millones de estudiantes y empieza Conceptos de grandes modelos lingüísticos (LLM) hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.