Saltar al contenido principal
InicioArtificial IntelligenceConceptos de grandes modelos lingüísticos (LLM)

Conceptos de grandes modelos lingüísticos (LLM)

Descubre el potencial de los LLMs con nuestro curso sobre aplicaciones, metodologías, ética e investigación.

Comience El Curso Gratis
2 horas15 vídeos50 ejercicios
32.303 aprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Descubre grandes modelos lingüísticos

En este curso, explorarás el mundo de los grandes modelos lingüísticos (LLM) y descubrirás en qué modo están remodelando el panorama de la IA. Explorarás los factores que impulsan el auge de los LLM, como la revolución del aprendizaje profundo, la disponibilidad de datos y la potencia informática.

Este curso conceptual profundizará en los LLM y en cómo revolucionan los negocios y la vida cotidiana con ejemplos del mundo real, desde las finanzas a la creación de contenidos.

Desvela los secretos de los LLM y las metodologías de formación

Conocerás los componentes básicos de los LLM, incluidas las técnicas de procesamiento del lenguaje natural, las estrategias de ajuste y las técnicas de aprendizaje como el aprendizaje sin disparos, con pocos disparos y con varios disparos. A medida que avances, conocerás las metodologías de entrenamiento más avanzadas que impulsan los LLM, como la predicción de la siguiente palabra, el modelado del lenguaje enmascarado y los mecanismos de atención.

Explora las preocupaciones y consideraciones de los LLM

También abordarás las consideraciones éticas y medioambientales fundamentales en la creación y formación de LLM, como los datos de formación y las cuestiones de privacidad.

Al finalizar el curso, descubrirás cómo mantenerte a la vanguardia mientras profundizas en las últimas investigaciones en el campo del LLM. Explorarás futuros desarrollos centrados en la explicabilidad de los modelos, el tratamiento no supervisado de los sesgos, la eficiencia computacional y la mejora de la creatividad.

Al final de este curso, tendrás un conocimiento exhaustivo de los LLM, así como de sus capacidades, aplicaciones y retos.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Certificación disponible

Fundamentos de la IA

Ir a la pista
  1. 1

    Introducción a los modelos de lenguaje de gran tamaño (LLM)

    Gratuito

    El 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.

    Reproducir Capítulo Ahora
    El auge de los LLM en el panorama de la IA
    50 xp
    Definición de un LLM
    50 xp
    Los LLM en el panorama de la IA
    100 xp
    Aplicaciones de la IA y aplicaciones de los LLM
    100 xp
    Aplicaciones del mundo real
    50 xp
    Aplicaciones para empresas
    50 xp
    Aplicaciones multimodales
    100 xp
    Automatizar las tareas basadas en datos
    50 xp
    Retos del modelado lingüístico
    50 xp
    ¿Qué puede hacer un modelo lingüístico?
    50 xp
    Aprendizaje monotarea frente a multitarea
    100 xp
  2. 2

    Elementos básicos de los LLM

    Este capítulo destaca la innovación 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.

    Reproducir Capítulo Ahora
  3. 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.

    Reproducir Capítulo Ahora
  4. 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 varios riesgos de los LLM, como la privacidad de los datos, los problemas éticos y el impacto medioambiental. Por último, el capítulo concluye debatiendo las áreas de investigación emergentes y el panorama en evolución de los LLM.

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

En las siguientes pistas

Certificación disponible

Fundamentos de la IA

Ir a la pista

colaboradores

Collaborator's avatar
Amy Peterson
Collaborator's avatar
James Chapman
Collaborator's avatar
Jasmin Ludolf

requisitos previos

Understanding Machine Learning
Vidhi Chugh HeadshotVidhi Chugh

AI Strategist and Ethicist

Ver Más

¿Qué tienen que decir otros alumnos?

¡Únete a 14 millones de estudiantes y empieza Conceptos de grandes modelos lingüísticos (LLM) hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.