Fundamentos de Modelos de Lenguaje Grandes: Fine-Tuning y RAG

Los Modelos de Lenguaje Grandes están transformando la forma en que construimos aplicaciones inteligentes, pero comprender cómo personalizarlos y desplegarlos eficazmente requiere una sólida comprensión de los conceptos centrales. Este curso basado en texto te guía desde los principios fundamentales de la IA hasta técnicas avanzadas de optimización. Pasarás de ser un aprendiz curioso a un profesional capaz de seleccionar, ajustar e integrar modelos de lenguaje de código abierto. Al estudiar desgloses conceptuales detallados e implementaciones de código, aprenderás a adaptar modelos a dominios de negocio específicos y a controlar sus resultados. Lo que aprenderás: * Comprender la arquitectura fundamental de los modelos de lenguaje basados en transformadores y cómo procesan el texto; * Aplicar técnicas modernas de ingeniería de prompts para guiar de manera confiable las salidas del modelo; * Ajustar modelos pre-entrenados utilizando métodos eficientes en parámetros como LoRA y QLoRA; * Configurar pipelines de Generación Aumentada por Recuperación (RAG) utilizando bases de datos vectoriales para fundamentar las respuestas del modelo; * Evaluar el rendimiento del modelo y optimizar la velocidad de inferencia para escenarios de producción. El curso comienza con la terminología esencial y la mecánica de la tokenización, luego avanza progresivamente a través de estrategias prácticas de ajuste y arquitecturas RAG modernas. Este curso está diseñado para desarrolladores de software, entusiastas de los datos y principiantes técnicos ansiosos por construir con IA generativa; no se requiere experiencia previa en machine learning, aunque la familiaridad básica con Python es útil. Comienza a leer hoy mismo para desbloquear el potencial de los modelos de lenguaje personalizados.