Correo Electrónico
DNINFOA - SIA
Biblioteca
Convocatorias
Identidad U.N.
Desarrollo de aplicaciones con grandes modelos de lenguaje (LLMs)
Los grandes modelos de lenguaje o LLM, son un modelo de aprendizaje computacional entrenado para el modelamiento estadístico del lenguaje en texto que pueden resolver una amplia gama de problemas, tales como: traducción automática, generación de contenido creativo, asistencia en la escritura, generación de código, respuesta de preguntas e interacción natural con los usuarios.
A finales del año 2022, estos modelos vieron una gran proliferación en popularidad, uso y desarrollo de herramientas, no solo por parte de grandes empresas como Google, OpenAI y Microsoft, quienes pusieron a disposición los grandes modelos desarrollados por ellos como Bard, Bing y ChatGPT, sino también por parte de la comunidad, la cual ha contribuido en gran medida en el crecimiento de este ecosistema al crear nuevas herramientas y técnicas.
Esta nueva tecnología está cambiando el mundo a gran velocidad, cada día se desarrollan nuevas aplicaciones, técnicas y herramientas que transforman la forma tradicional de trabajo y creación de contenido. Cada vez es más indispensable aprender sobre esta tecnología para continuar siendo competitivo. Con tanto nuevo material es necesario la creación de un curso que guíe de forma estructurada a sus participantes en el uso de esta tecnología para poder mantenerse a la vanguardia de estas herramientas y poder aplicarlo de forma efectiva en sus proyectos.
1. Comprender los fundamentos de los LLMs
2. Aplicar LLMs en diferentes tareas
3. Entender cómo escribir mejores prompts para los LLMs
4. Desarrollar aplicaciones usando LLMs
Unidad 1
- Fundamentos de los LLM
- Entendimiento de la historia y evolución de los modelos de lenguaje
- Tipos de grandes modelos de lenguaje actuales
- Cómo interactuar con grandes modelos de lenguajes desde Python
Unidad 2
- Preparación de conjunto de datos para el entrenamiento y afinación de LLMs
- Proceso de entrenamiento de modelos de lenguaje
- Identificación de modelos y afinamiento
Unidad 3
- Conversación con un agente artificial
- Diseño de prompts
- Uso de herramientas para el manejo de prompts
Unidad 4
- Tipos de memoria que puede tener un LLM
- Creación de bases de datos de vectores a partir de un LLM
- Implementación de LLMs que utilizan información previa por medio de una base de datos de vectores
Unidad 5
- Posibles aplicaciones de LLMs en la actualidad
- Implementación LLMs en diferentes tipos de aplicaciones
Unidad 6
- Aspectos éticos y sociales del uso de LLMs
- Desarrollo de proyecto aplicado
