Resumen
En este curso, se abordan dos métodos para mejorar el rendimiento de los modelos base (FM): la Generación Aumentada por Recuperación (RAG) y el ajuste fino. Se aprenderá sobre el servicio de AWS para almacenar vectores codificados con embeddings, el papel de los agentes en tareas de múltiples pasos, cómo definir métodos para ajustar fino FM, cómo preparar los datos para el ajuste fino, entre otros temas.
• Nivel del curso: Básico
• Duración: 1 hora
Actividades
Este curso incluye elementos interactivos, explicaciones en texto, gráficos con ilustraciones y comprobaciones de conocimiento.
Objetivos del curso
En este curso, aprenderás a:
- Identificar el servicio de AWS para almacenar vectores codificados con embeddings.
- Comprender el papel de los agentes en tareas de múltiples pasos.
- Entender cómo evaluar el rendimiento de los FM.
- Determinar si los FM cumplen de manera efectiva con los objetivos empresariales.
- Definir métodos para el ajuste fino de FM.
- Explicar cómo preparar los datos para el ajuste fino de FM.
- Determinar, según las métricas de negocio identificadas para el caso de uso, si los FM cumplen de manera efectiva con los objetivos empresariales.
Público objetivo
Este curso está dirigido a:
- Personas interesadas en inteligencia artificial o aprendizaje automático (IA/ML), sin importar su rol específico.
Requisitos previos
El curso "Optimizando Modelos Base" se ofrece como parte de una serie para obtener conocimientos básicos sobre inteligencia artificial, aprendizaje automático e inteligencia artificial generativa. Se recomienda completar los siguientes dos cursos antes de tomar este:
- Fundamentos del Aprendizaje Automático y la Inteligencia Artificial
- Explorando Casos de Uso y Aplicaciones de la Inteligencia Artificial
Resumen del curso
Sección 1: Introducción
- Cómo tomar este curso
- Resumen del curso
Sección 2: Optimización de Modelos Base con Generación Aumentada por Recuperación
- Casos de negocio
- Generación Aumentada por Recuperación (RAG)
- Agentes
- Evaluación de resultados
- Comprobación de conocimiento
Sección 3: Optimización de Modelos Base con Ajuste Fino
- Casos de negocio
- Ajuste fino
- Evaluación del modelo
- Comprobación de conocimiento
Sección 4: Resumen
- Recursos
