AI Tutorials

Aprende las diferencias entre las técnicas RAG y Fine-Tuning para personalizar el rendimiento del modelo y reducir las alucinaciones en los LLM.

Aprende a convertir modelos técnicos en interfaces de usuario interactivas con Gradio en Python.

Qwen es una familia de grandes modelos lingüísticos y multimodales desarrollados por Alibaba Cloud, diseñados para diversas tareas como la generación de textos, la comprensión de imágenes y la conversación.

Libera todo el potencial de los Modelos de Lenguaje Extensos (LLM) con nuestra guía sobre la incitación a la Cadena de Pensamiento (CoT). Aprende a mejorar las capacidades de razonamiento y resolución de problemas en los LLM.

Este artículo compara el rendimiento de los modelos de grandes lenguajes sin MatMul y tradicionales en términos de velocidad y uso de memoria.

El encadenamiento de instrucciones es una técnica que consiste en dividir una tarea compleja en una serie de instrucciones más pequeñas e interconectadas, en las que el resultado de una instrucción sirve de entrada para la siguiente, guiando al LLM a través de un proceso de razonamiento estructurado.

Este tutorial te guía a través de las principales características y aplicaciones prácticas de DuckDB, incluyendo la creación de tablas, la realización de análisis de datos, la creación de una aplicación RAG y el uso de un motor de consultas SQL con LLM.

Explora Cohere Command R+ online y localmente, conoce las características únicas de la API Python de Cohere, y construye un agente de IA multipaso utilizando LangChain y Cohere.

La codificación en una sola columna es una técnica utilizada para convertir datos categóricos en un formato binario en el que cada categoría está representada por una columna separada con un 1 que indica su presencia y un 0 para todas las demás categorías.

Para conectarte a través de la API de Claude 3.5 Sonnet, obtén tu clave API de Anthropic, instala la biblioteca anthropic Python y utilízala para enviar solicitudes y recibir respuestas de Claude 3.5 Sonnet.

LangGraph es una biblioteca del ecosistema LangChain que proporciona un marco para definir, coordinar y ejecutar múltiples agentes LLM (o cadenas) de forma estructurada y eficiente.

Guía completa para reducir el tamaño de los modelos